Mask R-CNN - 가상환경에서 Demo 돌려보기

윈도우 10, Anaconda, 가상환경으로 Mask R CNN 모델 돌려봄.

CUDA 오류 때문에 버전을 이리저리 바꿔봐도 오류가 계속 났기에 가상 환경으로 시도! 오늘도 블로그와 유튜브 스승님들의 도움으로 한 발짝씩 나아갑니다ㅠㅠ 

특히 아래 블로그에서 Tensorflow와 Keras 버전을 각각 아래와 같이 낮추라고 코멘트 해준 덕분에 한 번에 완료되었다!

• tensorflow==1.5.0
  keras==2.1.6

Mask RCNN 셋업 관련 블로그 링크

Mask RCNN 셋업 유튜브 링크

 

 

※ Mask R-CNN 관련 참고

• 개요 : github.com/matterport/Mask_RCNN
• 논문 : arxiv.org/pdf/1703.06870.pdf
• PR12 논문 읽기의 Mask R-CNN 편(유튜브) : youtu.be/RtSZALC9DlU
• 아주 유명한 풍선 구분 실습 : Splash of Color: Instance Segmentation with Mask R-CNN and TensorFlow

 

데모 결과

1) 단풍나무 사이로 노란 우산을 들고 걸어가는 사람

-> 우산과 사람은 99, 95 확률로 잡아냈지만 표지판을 person으로 인식하고 우거진 단풍나무 또한 우산으로 인식하다니... 단풍나무에 대한 학습은 덜 된 모델인 건가. 

2) 먹방 중인 귀여운 판다

-> 오른쪽은 bear로 인식하지만 왼쪽 판다는 고개를 약간 젖혀서인지 dog로 인식;; 오므린 손을 bird로 ㅎㅎ

 

'데이터'라는 말 요새는 매일 어딜 가나 들려온다. 뉴스 기사도 각종 데이터 관련 신사업들, 정책들로 도배고. 

많은 종류의 데이터가 있겠지만 요런 데모와 같이 이미지의 예측 정확도를 올리는 모델을 만들려면 수많은 케이스의 데이터 학습이 필요하겠다. 또 이런 특별한 케이스도 판다다 라고 잡아낼 수 있을 만큼의 훈련이 필요.(가령 각도가 약간 다른 판다를 개로 인식했듯 케이스별로 학습을 시켜줘야 함)

자율주행 시대가 도래한다면 도로 위의 장애물들 혹은 갑자기 사람이나 동물을 마주하게 될 때 딱 인식해서 미리 경고를 해주는 것도 결국 저런 식으로 훈련하고 예측. 

모델 코드들을 이제 찬찬히 살펴 봐야지.. 유튜브 스승님들의 각종 실험 영상들도 함께.