AIFFLE/PROJECT (5) 썸네일형 리스트형 [CV] 인물사진 만들기 - 기본편 (OpenCV, semantic segmentation) 학습 내용인물사진의 구현 방식을 이해해본다instance segmentation을 이해한다cv2 완벽 활용기 개요인물사진의 구현 방식에 대해 이해하면서 OpenCV에 대해 이해해보자기존 모델을 불러와서 인물사진을 만드는 기본적인 방식을 이해해보는 시간을 가졌다 인물 사진 구현방식 요약이미지/모델 불러오기피사체 분리 (image segmentation으로 사람만 분리해내자)배경 흐리게이미지 합성 이미지 불러오기import osimport urllibimport cv2import numpy as npfrom pixellib.semantic import semantic_segmentationfrom matplotlib import pyplot as pltimg_path = os.getenv('HOME')+'.. [CV] 고양이 수염 스티커 합성하기 (OpenCV 완전 정복기) 학습 내용OpenCV 라이브러리 실습얼굴 검출 face detection 실습얼굴 랜드마크 face landmark 실습 개요이번 프로젝트는 얼굴을 인식하여 얼굴에 고양이 수염 스티커를 붙이는 프로젝트이다이번 프로젝트를 통해 얼굴 검출기술, 얼굴 랜드마크 기술, OpenCV 이미지 다루는 방법 들을 익힐 수 있었다.OpenCV 라이브러리컴퓨터 비전 관련 프로그래밍을 쉽게 할 수 있도록 도와주는 라이브러리https://opencv-python.readthedocs.io/en/latest/doc/01.imageStart/imageStart.htmlimport cv2# 이미지 읽기cv2.imread('img.png', 0)# 이미지 보기cv2.imshow()# 이미지 저장하기cv2.imwrite() 이미지 .. [kaggle] Bike Sharing Demand (자전거 수요 예측) 학습 내용데이터 분석 및 모델링의 전 과정을 알 수 있다시각화 기법들을 알 수 있다 자세한 코드보기 :https://github.com/seongyeon1/aiffel/blob/main/Exploration/Quest2/project2_sykim.ipynbhttps://github.com/seongyeon1/aiffel/blob/main/Exploration/Quest2/Bike_sharing.ipynb첫 번째 링크는 두 번째 링크 이후에 작성한 코드입니다. Bike sharing demand대회 관련 링크https://www.kaggle.com/c/bike-sharing-demand데이터 및 문제 설명시계열과 수치형, 범주형으로 구성된 다양한 피처들로 자전거 대여량을 예측하는 회귀문제이다.데이터 필드.. [sklearn] 선형회귀와 경사하강법 직접 구현하기 (diabetes dataset) 학습 내용선형회귀와 경사 하강법을 직접 손으로 구현해보며 과정을 이해한다데이터 분석 및 모델링의 전체 과정을 이해한다추가적으로 피처 엔지니어링도 진행하여 모델을 개선해보자 자세한 코드 보기 : https://github.com/seongyeon1/aiffel/blob/main/Exploration/Quest2/project1_sykim.ipynb1. 데이터 가져오기from sklearn.datasets import load_diabetesdiabetes = load_diabetes()df_X = diabetes.datadf_y = diabetes.target2. 모델에 입력할 데이터 X 준비하기import numpy as npX = np.array(df_X)X.shape 3. 모델에 입력할 데이터 X 준.. [kaggle] 포켓몬 분류하기 프로젝트 (Tree 모델들의 Feature importance를 확인해보자) 학습 내용Tree 모델들의 Feature importance를 확인해보자Feature importance를 바탕으로 Feature를 선택하고 이에 따른 성능 변화를 확인할 수 있다 추가적으로 배울 수 있는 것다양한 전처리 기법들 ( 문자열 전처리를 위한 정규식, 원핫인코딩 형태로 변환)시각화 방법 들어가며오늘은 전설의 포켓몬 분류하기 프로젝트를 진행하였습니다.그러다가 문득 상관관계가 높은 피처를 발견하게 되었고, 이 피처의 존재유무가 성능에 어떤 영항을 끼치는 지에 대한 의문점이 생겨서 이에 대해 학습하게 되었습니다.모델은 결정트리 한가지 모델만 사용하였고, 피처 엔지니어링에 따른 변화를 확인하는 데에 중점을 두었습니다.나아가 트리모델에서의 피처 중요도를 확인하고, 시각화하는 과정을 중심으로 봐주시면 .. 이전 1 다음
