[CNN] VGGNet 알고리즘

 

VGGNet에 대해 알아보자.

---

 

1. VGGNet 이란?

---

2014년 세계 이미지 분류 대회(ImageNet Large Scale Visual Recognition Challenge)에서 준우승한 CNN 모델이다. 

간단한 구조로 좋은 성능을 내는 모델로 많이 응용되어 쓰이고 있다.

 

 

2. VGGNet 구성

---

총 6가지 구성의 VGGNet 모델이 있다. 그중 VGG16(D)과 VGG19(E)를 주로 사용한다.

VGGNet 모델에서는 3x3 필터를 사용하여 연산시 발생하는 파라미터의 개수가 줄어드는 효과를 볼 수 있다.

이로 인해 속도가 빨라지고 ReLU 함수가 들어갈 수 있는 곳이 많아진다는 장점이 있다.

 

 

3. VGG16 Architecture

---

 

 

 

4. VGG16 구현

---

  
  import tensorflow as tf
  from tensorflow.keras.applications import VGG16
  
  model = VGG16()
  
  model.summary()
   

>> 결과

Tensor flow, Keras, Pytorch를 라이브러리를 통해 쉽게 불러올 수 있으며
위는 tensorflow 라이브러리를 사용하여 VGG16 모델을 불러왔다.

 

 

5. VGG16모델 사용해보기

---

  
  import cv2
  from tensorflow.keras.applications import VGG16
  from tensorflow.python.keras.preprocessing.image import img_to_array
  from tensorflow.python.keras.applications.vgg16 import preprocess_input, decode_predictions

  # VGG16 모델 
  model = VGG16()

  # 이미지 불러오기 
  image = cv2.imread("/gdrive/My Drive/Colab Notebooks/dog.jpg")

  # 이미지 전처리(자료형 변경)
  image = img_to_array(image)
  image = image.reshape((1, image.shape[0],image.shape[1],image.shape[2]))

  # 모델에 넣어준다.
  image = preprocess_input(image)  
  print(image.shape)

  # 예측(predict)
  res = model.predict(image)
  # 디코딩
  label = decode_predictions(res)
  print(label)
  label = label[0][0]

  # 출력
  print()
  print("%s (%.2f%%)" % (label[1], label[2]*100))
  print()
  for i in label:
    print(i)

  

>> 사용한 이미지

>> 결과

---

이미지 크기는 224 X 224로 따로 resize 전처리를 해주지 않았다.

만약 224 X 224크기가 아니라면 resize 전처리가 필요하다.

VGG16 모델 사용 결과 개 사진을 넣었는데 개의 종류인 포메라니안을 예측하는 것을 볼 수 있다.

추후에는 VGG16 모델을 전이학습을 통해 응용을 해 볼 것이다.

 

 

 

출처 : VGGNet 논문