1) Saliency 작업

[ 2월 9일 ]

 

* 진행상황 : 

Background removal 작업을 cv2 라이브러리만 사용하여서 작업하려고 했으나 edge detection에서 object detection 작업이 없이는 한계가 있었다.

찾아보니 mask 를 찾는 방법으로 U-2-Net 모델을 학습시켜 mask 를 보다 효율적으로 찾아낼 수 있는 것 같았다.

참고 사이트는 다음과 같다.

towardsdatascience.com/background-removal-with-u%C2%B2-net-2819b8e77078

Background removal with U²-Net

github.com/NathanUA/U-2-Net

NathanUA/U-2-Net

잘 될 지는 모르겠지만 일단 학습시켜서 해봐야겠다.

마스크만 나오면 일단 background 없애는 부분은 기존에 구현한 코드를 사용할 수 있을 것 같다.

 

[ 2월 10일 ]

* inferencing 이란 학습된 모델을 통해서 새로운 데이터 (unseen data) 를 예측하는 것을 말한다. model 테스트에서 사용할 수 있다. 코드 디렉토리에서 cmd창을 통해 python test.py filename.jpg 이런 식으로 내가 원하는 파일을 테스트 해볼 수 있었다.

 

[ 2월 11일 ]

* u2net 모델을 사용학습시키려고 하는데, 알아보니 분류 라벨을 가지고 있는 clothing 데이터셋이 있었다. 데이터 크기가 너무 커서 구글 코랩을 사용하려고 한다. 전에 사용한 적이 있어서 드라이브와 연동은 되어 있었다. 사용한 지 꽤 돼서 정리하면서 세팅해보려고 한다.

드라이브에 마운트하고, 필요한 깃허브 데이터를 clone 해봤는데, 데이터가 안 들어왔다.

초보라 왜 그런지는 아직 모르겠다. 그래서 그냥 풀 데이터셋을 캐글에서 가져와보기로 했다.

저 버튼을 클릭하고 ! 복사 붙여넣기 실행해준다.

근데 실행을 해보니 자꾸 401 unarthorized가 뜬다.

찾아보니

github.com/Kaggle/kaggle-api/issues/46

여기에서 kaggle 내 계정에 가서 지난 토큰을 모두 expire하고 다시 받아서 코랩이랑 새로 연동하라고 한다.

그대로 해보니 된다.

실행해서 밑에 kaggle에서 받은 json 파일을 임포트 한다.

Kaggle API 를 사용하려면 json 파일을 ~/.kaggle로 이동 시켜야 하기 때문에, 위의 코드를 실행시켜야 한다고 한다. 뭐.. 그렇단다.

마지막에 이미지 파일 불러오기를 성공했따 야호..

야호~~

 

그리고.. 계속 되는 작업. 불러온 데이터셋 unzip 해주기!

리스트 확인 해보니 모두 잘 임포트 된 것을 확인 할 수 있다.

이후에 나는 매 번 작업할 때 마다 캐글에서 파일을 불러오는 작업을 안 하기 위해 그냥 드라이브에 데이터를 다운 받았다.

방법은 다음과 같다.

이제 구글 드라이브에 데이터가 있다.

Saliency 작업은 이 한 포스팅에 끝내려고 했는데 너무 길어져서 다음 포스팅에서 계속 진행사항을 적어보도록 하겠다.

부디.. 내일까지는 어느 정도 작업이 가능하기를~!~!~!~!~!~!~!~!~~!

 

 

Reference

soohee410.github.io/colab_kaggle

[Google Colab] 코랩에서 Kaggle dataset 검색 및 구글 드라이브에 다운로드