- 크롤링 방법을 사용하여 데이터셋을 각 꽃당 1000장 씩 모음 -> 10개의 클래스로 총 10000장
- PIL 라이브러리를 사용하여 데이터셋을 90도 회전, 180도 회전, 270도 회전, 색반전, GRAY로 채널 변경을 하여 총 50000 장의 데이터를 추가로 얻음 -> 원본 10000장 + 가공된 50000장의 데이터 셋
- 엑셀에 꽃 축제 정보를 입력하여 파이썬으로 불러오기
- 데이터 라벨링이 완료된 npy 파일 완성
- 완성된 npy파일을 사용하여 CNN 학습
날짜별 계획서에 따라 95% 진행 중
- 학습에 사용된 모델의 정확도 비교
- 모델의 성능 향상
- 웹 앱 디자인
- CHECK POINT를 활용해 정확도 표출
- 웹 PREDICT 부분을 우리 CHECK POINT이용한 코드로 바꿔서 돌리기
- IMAGE RESIZE PILLOW 대신 OPENCV로 변경
- 우리코드 결과 이름만 있는거 [[이름],[ 확률] ] 꼴로 바꾸기