01 프로젝트 소개 / 딥 러닝 모델 학습 과정

프로젝트 주제

GoogLeNet 모델을 활용한 이미지 분류

 

개발 기간

2023.06.05 ~ 17

 

프로젝트 상세 설명

본 프로젝트에서는 CIFAR-100 Dataset의 이미지를 분류하고 모델의 성능을 향상시키는 작업을 진행하였다.

이를 위해 딥러닝 프레임워크인 Tensorflow와 Pytorch를 사용하여 각각의 환경에서 학습을 별개로 진행하였고, 두 프레임워크 간의 성능 비교 또한 진행하였다.

Tensorflow에서는 효율성을 위해 CNN Layer를 여러 층 사용하였으며, Pytorch에서는 GoogLeNet 모델을 활용하였다.

 

개발 환경

• Windows 환경의 Jupyter Notebook
• NVIDIA GeForce RTX 3070 GPU 1개를 사용하여 학습을 진행
• 딥 러닝 프레임워크 간의 비교를 위해 Tensorflow와 Pytorch 두 가지 딥 러닝 프레임워크를 사용

 

딥 러닝 모델 학습 과정

1. OpenCV를 활용하여 PNG 형식인 기존 Dataset을 딥러닝 모델 학습에 효과적인 BMP 형식으로 변환한다.
2. Dataset의 이미지들을 100개의 클래스로 분류한다.
3. 분류된 Dataset을 이용하여 GoogLeNet 모델로 학습을 진행한다. 딥러닝 프레임워크는 Tensorflow와 Pytorch를 이용한다.

• Tensorflow에서는 10,000 Epoch, Pytorch에서는 약 2,000 Epoch 동안 학습
• Tensorflow에서는 효율성을 위해 CNN Layer를 여러 층 사용하고, Pytorch에서는 GoogLeNet 모델을 사용