Deep Learning through deep learning

이번에도 어김없이 대회를 진행하면서 라벨링의 필요성을 느꼈고 그 과정에 대해 공유하고자 한다. 이번 대회는 k-ium 에서 주최하는 의료경진대회이다. 이미지를 보고 뇌동맥류 여부를 판별하는 모델을 구축하는 것을 목표로 한다. 모델은 image classification 혹은 object detection 이 필요해보였다. 대회에서 주어진 데이터셋은 그저 9000여장의 이미지 파일이었고, 바로 모델에 학습시키려고 보니 클래스 분류가 되어있지 않았다. 참 난감했고, 추가적으로 주어진 csv파일에서는 해당 이미지 이름을 인덱스로하여 뇌동맥류 여부 및 위치에 대한 정보가 들어있었다. 대회에서 요구하는 사항이 csv 파일을 통해 이미지를 알아서 분류하여 학습시켜라 라는 것임을 알 수 있었다. 이 글에서는 csv ..

앞서 json 파일을 가지고 image에 라벨링 하는 방법에 대해 알아보았다. 이번에는 json 파일을 가지고 해당 정보들을 csv 파일로 저장해보려고 한다. 모델링을 하는데 앞서 바로 이미지를 이용하여 학습할 수 있지만, csv파일을 통해 이미지의 라벨 정보를 불러옴으로써도 학습이 가능하다. Introduction 앞선 #1 글에서와 다르게 이번에는 대회에서 사용했던 모든 json 파일을 이용할 예정이며, 이미지는 별도로 사용하지 않을 예정이다. json 파일의 정보만을 csv파일에 저장하는 것이니 이미지는 필요하지 않다. 다만, 모델을 학습시키기 위해서는 csv파일에 이미지 경로도 추가할 예정이다. 먼저 json 폴더는 아래와 같다. json 파일을 통해 만든 csv 파일 결과는 아래와 같다. 라벨링..

이미지관련 딥러닝 모델을 다루면서 데이터 전처리에 대한 필요성을 절실히 느끼게 되었다. 이미지 분류와 관련하여 실용화하기 위해서 혹은 각종 대회에서 요구 및 제공하는 데이터셋을 살펴보면 단순 클래스 분류가 아닌, 라벨링을 통한 Object Detection 모델이 주를 이룬다. 하지만 막상 시작에 나서고 모델링에 앞서 우리는 데이터를 다루는 곳에서부터 어려움을 겪게 된다. 모델은 수많은 오픈소스가 존재해 익숙해지는 방법으로 활용이 가능하나, 데이터 전처리는 데이터의 형태 및 구성에 대해 자세히 알고있어야 하며, 어느정도의 알고리즘 실력을 요구한다. 이미지 영상처리에 대한 연구를 진행하고 있는 입장에서 이미지 데이터셋에 대한 데이터 전처리를 먼저 다루고자 한다. Introduction 순수 이미지 전처리에..