참여자: 김현욱, 박이슬, 이명진, 이지홍
- 합성곱신경망(Convolutional Neural Network, CNN)을 이용한 이미지 처리에 대한 이해
- 인공지능 서비스 개발 과정에 대한 이해 및 수행
-
본 프로젝트를 수행하며 포켓몬 149종에 관한 데이터를 활용하였음.
-
6825개 이미지와 800개 Stats. 데이터를 과제 별 목적에 맞게 가공하여 모델 학습에 이용함.
과제 | Dataset 원본 | Train set | Test set | source |
---|---|---|---|---|
1. 종류 분류 | (6784, 150, 150, 3) | (5427, 150, 150, 3) | (1357, 150, 150, 3) | [이미지] |
2. 속성 분류 | (6825, 150, 150, 3) | (5324, 150, 150, 3) | (1501, 150, 150, 3) | [능력치] |
3. Stats. 예측 | (800, 13) | [능력치] |
과제 | 이미지 처리 기법 | 딥러닝 레이어 | Optimizer | Metrics | Loss function |
---|---|---|---|---|---|
1. 종류 분류 2. 속성 분류 | transfer learning (1) DenseNet201 (2) ResNet50 augmentation - flip, rotation, shift, contrast | Dense, Dropout, GlobalAverage Pooling2D 등 | Adam | accuracy | categorical_ crossentropy |
3. Stats. 예측 |
- Image dataset - [Kaggle - 7000 hand-cropped and labeled Pokemon images for classification]
- Stats. dataset - [Kaggle - 721 Pokemon with stats and types]
- 이미지 데이터
아래와 같이 각 포켓몬에 대해 다양한 각도, 배경, 효과가 적용된 여러 이미지를 학습에 적용함
(포켓몬 149종 6825개 → 1마리 당 평균 46개 이미지 학습)
-
Stats. 데이터
-
[데이터 컬럼 정보]
#, Name
: 포켓몬 별 고유 번호, 이름Type 1, Type 2
: 포켓몬 별 고유 속성 ⇒ 특정 공격에 대해 취약 / 방어력이 높음을 의미
Total
: 모든 Stats. 정보(HP~Speed)의 합 ⇒ 해당 포켓몬이 얼마나 강한지를 의미HP
: 포켓몬이 견딜 수 있는 데미지의 총합Attack
: Scratch, Punch 등 일반 공격의 타격Defense
: 일반 공격에 대한 데미지 저항Sp. Atk
: Fire blast, Bubble beam 등 특정 포켓몬에 특화된 공격의 타격Sp. Def
: Special attack에 대한 데미지 저항Speed
: 포켓몬의 속도 ⇒ 선제 공격 여부 결정Generation
: 포켓몬 세대 (세대가 진화할 수록, 일부 Type이 추가됨)Legendary
: 전설의 희귀 포켓몬 여부 (bool)
-
(과제 1)에 대한 문제 상황 및 학습 결과 요약
Accuracy = (0.9921
)
Validataion accuracy = (0.8928
)
Accuracy (Type 1
, Type 2
) = (0.909
, 0.938
)
Validation accuracy (Type 1
, Type 2
) = (0.879
, 0.917
)