computer Vision_Classification

1. Classification

분류(Classification)은 이미지나 비디오에서 객체나 패턴을 식별하고 이를 미리 정의된 카테고리 중 하나로 분류하는 작업입니다.

강아지 vs 고양이 를 구별하거나 특정 물체가 무엇인지를 분류하는것입니다.

이 과정은 이미지 데이터를 입력 받아서 딥러닝 모델이나 머신러닝 알고리즘을 통해 각 이미지가 어떤 클래스에 속하는지 예측하는 방식으로 진행됩니다. 이때 사용되는 모델로는 cnn이 있으며 학습된 모델은 새로운 이미지에 대해서도 빠르고 정확하게 분류할 수 있다.

 

분류는 이진분류 | 다중분류로 나눌 수 있다.

---

2. Surface Crack Detection 데이터셋

 

Surface Crack Detection 데이터셋은 콘크리트 표면에서 균열을 자동으로 탐지하기 위한 학습 데이터를 제공합니다.

이 데이터셋은 주로 다양한 콘크리트 표면 이미지를 포함하고 있으며, 각 이미지는 균열이 포함된 부분과 그렇지 않은 부분으로 구분됩니다.

이러한 데이터셋은 컴퓨터 비전 모델, 특히 Convolutional Neural Network(CNN) 등의 딥러닝 모델을 훈련시키는 데 사용되며, 균열 탐지 및 구조물의 상태 평가에 중요한 역할을 합니다.

다양한 환경과 조건을 반영한 이미지를 제공하여, 실제 적용에서 발생할 수 있는 다양한 상황에 대한 모델의 일반화 능력을 높이는 데 도움을 줍니다.

 

https://www.kaggle.com/datasets/arunrk7/surface-crack-detection

Surface Crack Detection

---

3. VGG19 모델

(알렉스넷 다음에 우승했던 모델)

 

 

VGG19는 2014년 Visual Geometry Group(VGG)에서 개발한 합성곱 신경망(CNN) 모델로, ImageNet 대회(ILSVRC-2014)에서 우수한 성능을 보이며 널리 알려졌습니다. 총 19개 층(16개의 합성곱 층 + 3개의 완전연결 층)으로 구성되었으며,

모든 합성곱 층에서 3x3 필터를 사용하고, 최대 풀링을 통한 다운샘플링을 적용하여 깊은 계층에서도 효과적으로 특징을 학습할 수 있도록 설계되었습니다.

 

VGG19는 깊은 구조를 통해 고해상도 이미지의 복잡한 패턴을 학습하는 데 강점이 있으며, 이미지 분류, 객체 검출, 스타일 트랜스퍼 등 다양한 컴퓨터 비전 작업에서 널리 활용됩니다.

 

사실 지금은 엄청 깊은 모델은 아니고 요즘은 50 DEPTH까지는 있기때문에 엄청 깊지는 않지만 처음에 입문용으로 구현해보기는 너무 좋은 모델이다.

---

VGG를 이용해서 CRACK , NORMAL 예측하는 프로젝트를 진행했다.

 

VGG19를 이용한 표면 균열(crack) 감지해보기

VGG19를 이용한 표면 균열(crack) 감지해보기