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](https://github.com/hardikvasa/google-images-download/issues/301#issuecomment-597216052)) - 본프로젝트에서는 네이버에서 크롤링했을 때 잘 나오지않은 카드의 이미지를 크롤링하는데 사용했습니다. - [how to use google-images_download](https://github.com/chldydgh4687/2020-1_AI_miniproject/issues/1) ``` $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/](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]](https://www.dropbox.com/s/46e2ogzl7r9y0cj/NAVER.zip?dl=0) (Naver.zip 157MB) - 테스트 데이터 75장 #### [[Test_Data_Download_Link]](https://www.dropbox.com/s/eajs98wr59gyeky/test.zip?dl=0) (test.zip 75 file)