ML,DL10 [머신러닝/딥러닝] 흉부 엑스선 기반 폐렴 진단: 베이스라인 모델과 성능개선 https://gongboogi.tistory.com/14 [머신러닝/딥러닝] 흉부 엑스선 기반 폐렴 진단: 분석정리 및 시각화 드디어! 마지막 장으로 이번에는 경진대회에 참여하지 않고 캐글러가 공유한 데이터셋으로 모델링 연습을 실습해보았다 이번 데이터셋에서는 흉부 엑스선 이미지가 나오는데, 이 이미지들을 gongboogi.tistory.com 저번 글에서 흉부 엑스선 이미지 데이터셋을 살펴보고 시각화해보았다. 이번에는 베이스라인 모델을 만들고 성능개선을 진행해보았다. 베이스라인 모델링 때 훈련과 예측 단계를 함수로 묶어서 성능 개선 때 재활용할 것이고, efficientnet의 여러 버전을 시도한다. 1. 베이스라인 모델: 시드값 고정 및 GPU 장비 설정 시드값 고정 import torch # 파이토.. 2023. 2. 13. [머신러닝/딥러닝] 흉부 엑스선 기반 폐렴 진단: 분석정리 및 시각화 드디어! 마지막 장으로 이번에는 경진대회에 참여하지 않고 캐글러가 공유한 데이터셋으로 모델링 연습을 실습해보았다 이번 데이터셋에서는 흉부 엑스선 이미지가 나오는데, 이 이미지들을 보고 정상인의 엑스선인지, 폐렴에 걸린 사람의 엑스선인지 판별하는 모델을 만들어보며 훈련과 예측 단계를 함수로 묶어 활용하는 방법을 학습한다. 경지대회가 아니기 때문에 결과를 제출할 수 없고 정해진 평가 지표도 없다. 그래서 원하는 지표를 사용하면 되는데, 이번에는 정확도, F1 점수를 사용한다. 두 평가지표를 구하려면 예측을 확률이 아닌 이산값(양성:1 또는 음성:0) 기본적으로 예측하는 확률을 이용해 타깃 예측값을 이산값으로 바꿀 수 있다. 데이터셋은 다음과 같이 제공되어있다. ▶ train: 훈련 데이터 - NORMAL: .. 2023. 2. 12. [머신러닝/딥러닝] 병든 잎사귀 식별 경진대회: 베이스라인 모델 및 성능개선 https://gongboogi.tistory.com/12 [머신러닝/딥러닝] 병든 잎사귀 식별 경진대회: 분석정리 및 시각화 이번 캐글 경진 대회는 병든 사과나무 잎사귀를 식별하는 다중분류 문제를 풀어보았다. Plant Pathology 2020 - FGVC7 https://www.kaggle.com/competitions/plant-pathology-2020-fgvc7 Plant Pathology 2020 - FGVC7 | Kaggle www.kaggl gongboogi.tistory.com 이전 글에서 캐글의 병든 잎사귀 식별 경진대회의 데이터를 분석해보고 시각화해보았다. 이번에는 베이스라인 모델을 만들어 보자. https://www.kaggle.com/code/akasharidas/plant-pa.. 2023. 2. 5. [머신러닝/딥러닝] 병든 잎사귀 식별 경진대회: 분석정리 및 시각화 이번 캐글 경진 대회는 병든 사과나무 잎사귀를 식별하는 다중분류 문제를 풀어보았다. Plant Pathology 2020 - FGVC7 https://www.kaggle.com/competitions/plant-pathology-2020-fgvc7 Plant Pathology 2020 - FGVC7 | Kaggle www.kaggle.com 본 경진대회에서 주어지는 여러 잎사귀 사진 중에서는 건강한 잎사귀도 있고 병든 잎사귀도 있다. 해충으로 인해 피해를 입지 않으려면 질병을 조기에 발견해야 할 것이다. 하지만 사람이 일일이 확인하려면 시간도 비용도 많이 든다. 이 문제를 딥러닝 모델을 활용해서 해결해 보려고 한다. 이번에는 다중분류 문제로 타깃값이 다음과 같이 총 4개로 잎사귀가 각 타깃값일 확률을 예.. 2023. 2. 4. 이전 1 2 3 다음
