Check_Card_image_classification with Teachable machine

2020-1. SEJONG univ. AI miniproject

1분 설명 영상 : [Youtube_Link]

(평가 파일에 영상이 빠져서 추가합니다.)

develop environments

• Teachable_machine_ver.2.0
• Anaconda3
• python 3.7, tensorflow 2.0, keras (crawling_image, augmentation)
• pandas (evaluation)

Data processing

google-images_download (reference)

• 본프로젝트에서는 네이버에서 크롤링했을 때 잘 나오지않은 카드의 이미지를 크롤링하는데 사용했습니다.
• how to use google-images_download

$cd google-images-download
$python bing_scraper.py --search '비바플래티늄카드' --limit 50 --download --chromedriver ./chromedriver

Naver image Crawling (reference)

• Description
  data 풀더에 카드리스트.txt 만들어서 파이썬코드로 한 줄씩 읽어서 웹상의 이미지를 Naver 풀더에 저장합니다. 리스트별로 풀더가 생성되고 풀더안의 체크카드의 풀더가 또 생성되고 그 안에 그림이 순차적으로 저장됩니다.

• How to use naver crawling

$python cd_img_loader.py

After crawling, Data augmentation

• 수동적인 작업으로 카드이름과 맞지않은 그림 혹은 augmentation이 과도하게 된 데이터를 삭제합니다.
• 삭제를 했기때문에 부족하고 똑바른 카드가 놓여있는 한가지 경우의 데이터의 양에 대한 과적합을 피하고 학습 성능을 높이기위해서 keras와 다른 툴을 이용하여 회전, 좌우 반전시키거나 잘라주거나, 크기를 조정하거나 명암을 조정합니다.

---

Test with Techable_Machine

: https://teachablemachine.withgoogle.com/models/-vbmCVYSx/

Parameter_Optimization & Evaluation

평가 지표 : Categorical Accuracy [정답(test_solution.csv)/75장의 테스트파일 * 100]

평가 방법 :

$python run_evaluation.py

파라미터 조정과 평가 결과 :

epochs	batch_size	learning_Rate	evaluation
50	16	0.001	78.666
50	32	0.001	78.666
50	32	0.01	66.666
100	32	0.001	73.333
100	16	0.0005	73.333

---

Preprocessed Data

• 학습에 사용했던 데이터
  (Train을 직접 하실 경우, 데이터가 많아서 Train 하고 기다리시거나 응답대기창에서 대기를 5번정도 누르시면 Train 됩니다.)

[Preprocessed_Data_Download_Link] (Naver.zip 157MB)

• 테스트 데이터 75장

[Test_Data_Download_Link] (test.zip 75 file)