개 이미지 분류 모델

---

개요

이 프로젝트는 강아지 이미지를 종에 따라 분류할 수 있는 간단한 CNN 모델의 구현을 다루고 있습니다.

---

모델 구조

아래와 같은 구조로 모델을 설계하였습니다.

–

초기 학습 결과

위의 그래프는 모델의 초기 훈련 결과를 보여줍니다(가로축은 반복 횟수입니다). 훈련 정확도는 10회 이상의 반복에서 계속 상승하여 100%에 가까워집니다. 그러나 검증 정확도는 두 번째 반복 이후로 20% 근처에 묶여 있습니다. 훈련 손실도 유사한 상황을 보입니다. 훈련 손실은 10회 이상의 반복에서 계속 감소합니다. 그러나 검증 손실은 두 번째 반복 이후에 오히려 상승합니다. 이는 과적합의 전형적인 증상이므로 더 많은 개선이 필요합니다.

–

개선점

1) 데이터 증강

과적합의 한 원인은 충분하지 않은 학습 데이터입니다. 우리의 데이터셋은 각 클래스 주제마다 약 130장의 이미지를 포함하고 있으므로, 이는 우리의 CNN 모델을 훈련하기에 충분하지 않을 수 있습니다. 이 경우, 가지고 있는 데이터에 무작위 변형을 적용하여 새로운 데이터를 생성할 수 있습니다. 이 프로젝트에서는 Keras 전처리 레이어를 사용하여 이를 구현했습니다.

2) 드롭아웃

과적합을 해결하는 또 다른 방법으로 드롭아웃이 모델에 적용되었습니다. 드롭아웃은 모델의 각 주기마다 무작위로 노드를 선택하고 제거하는 것을 의미합니다.

---

최종 학습 결과

위의 개선점들을 반영한 모델의 최종 학습 결과입니다.

---

프로젝트 링크

프로젝트 깃허브 링크

---

프로젝트 참여자

Rim-SeungJae