유방암x-ray 이미지를 이용해 분류하는 프로젝트입니다 프로젝트를 선택하게 된 이유는 데이터 부족, GPU 사양 부족 등 다양한 상황에서 분류 문제를 해결해보고 싶어 결정하게 되었습니다. 데이터증강(data augmentation) 을 사용하여 데이터를 늘린 뒤 transfer learning 을 이용하여 사전학습된(xception)모델의 가중치를 가져옵니다 또한 callbacks 함수 중 modelcheckpoint를 이용하여 학습 도중 저장하며 earlystopping을 이용하여 오버피팅을 방지합니다. colab세션초과로 학습중

YOLOv8(n,s,l,x) 4가지 모델을 불러와 test 데이터로 성능을 테스트하여 모델이 가장 크고 성능이 좋은 x 를 이용하여 로보플로우 사이트에서 제공하는 데이터셋 2가지 (차량기능 데이터셋, 가위바위보 데이터셋) 으로 분류 하였습니다. 차량기능 데이터셋 은 class가 2개이며 가위바위보 데이터셋 은 class가 3개입니다 굉장히 뛰어난 성능으로 정확히 분류하였습니다.

카메라로 내 얼굴을 찍어 저장되어 있는 프로필사진 한장을 바탕으로 동일인 인지 아닌지를 판별합니다. 인식부분에서 무겁던 Dlib 모델을 더 가벼운 모델 Python의 recognition 라이브러리로 교체하여 정확도 향상 (80%이상)과 인식시간 단축(9초이상 단축)을 하였습니다.

타코트론2 모델 + waveglow 을 이용한 음성합성입니다 (dataset = LJspeech) 타코트론2는 직접 구현해봤고 최종적으로는 pytorch hub를 이용하여 타코트론2 와 waveglow 를 불러와 음성합성을 하였습니다.