Image-classification-InceptionV3

Image classification using transfer learning, Inception v3

1. Image Data 준비 (Training image) 현재 디렉토리에 'data' 디렉토리 생성 후(변경 가능)

   1. ./data/training 하위에 각 label 명으로 폴더를 생성하여 training images 를 저장한다. ex) ./data/training/cat , ./data/training/dog , ...

2. Image Augmentation (생략 가능)

   • data augmentation 을 수행하면 90도, 180도, 270도 회전한 이미지와 좌우, 상하 반전 이미지, random distortion 을 적용한 이미지 3장이 추가로 생성되어 dataset 을 부풀린다.

   아래 명령어로 data augmentation 을 수행한다 python data_augmentation.py [image_dir] 이 때 인자로 넘겨주는 값은 원본이미지가 저장된 경로(./data)이다. 위의 명령어를 실행하면 원본 이미지 디렉토리(./data/) 하위의 각 label 별 디렉토리 내부에 output 디렉토리가 추가로 생성되고 이 안에 augmented images 가 저장된다. augmented images 를 training 에 사용하려면 output 디렉토리 내부의 파일들을 상위 디렉토리(각 label 별 디렉토리)로 옮기고 output 디렉토리를 삭제해준다.

• Training 이전에 test dataset 을 확보해준다.

3. Training 콘솔에서 아래 명령어로 학습

   1. cd image_retraining

   2. python retrain.py
      --bottleneck_dir=../bottlenecks
      --how_many_training_steps 500
      --model_dir=../inception
      --output_graph=../retrained_graph.pb
      --output_labels=../retrained_labels.txt
      --image_dir=../data
      --summaries_dir=../log

      option 설명(상황에 맞게 변경 가능) (1) --bottleneck_dir = 학습할 사진을 변환하여 저장할 디렉토리 (2) --how_many_training_stpes = training step 설정 (3) --model_dir = inception 모델을 다운로드 할 디렉토리 (4) --output_graph = 학습된 graph 바이너리 파일(.pb) 저장 경로 (5) --output_labels = 학습후 분류에 사용할 label 파일 저장 경로 (6) --image_dir = 원본 이미지가 저장되어 있는 디렉토리 (7) --summaries_dir = tensorboard 에 사용할 로그 파일 저장 경로

   3. 위의 명령어를 실행하여 학습을 진행하고 학습이 완료되면 다음 파일들이 생성된다. (1) retrained_graph.pb (2) retrained_label.txt (3) 원본 이미지가 변환되어 bottlenecks/ 에 label 별로 저장된다.

4. Testing 테스트 이미지를 저장할 디렉토리(./test_data)를 생성한 후 하위에 각 label 을 이름으로 하는 디렉토리들을 추가로 생성한 후 각 label 별로 테스트 이미지를 저장한다.

   다음 명령어를 사용하여 test.py 를 실행한다. python test.py ./test_data

5. Classify

6. Binary classification & Asymmetric misclassification cost 의 경우 (생략 가능)

   • Cut-off 조절을 통해 evaluation 시도.

7. Plotting graphs