[FastAI] 연예인 닮은 꼴 만들기

 

FE 수료한 곳에서 인공지능 국비지원도 진행해서 수강하고 있다. 

이전까지는 티처블 머신으로 손쉽게 인공지능을 접했었다.

이번에는 FastAI를 이용하여 인공지능을 만들어 봤다.

---

티처블 머신이란?

구글에서 만든 웹기반 인공지능 학습 툴이다.

코딩 없이 누구나 손쉽게 바로 인공지능을 만들 수 있다.

가위바위보 인식기, 닮은 꼴 찾아주는 인공지능 등 데이터를 입력시키면 알아서 학습해서 찾아준다.

https://teachablemachine.withgoogle.com/

Teachable Machine

이 사이트에서 나만의 인공지능을 만들어 볼 수 있다.

물론 이건 맛보기고 내가 직접 코딩을 해야겠지..

앞으로 이 티쳐블 머신처럼 이미 만들어져 있는 인공지능부터 시작해서 하나 하나씩 공부해서 내가 직접 원하는 모델을 구현할 수 있게 공부할 예정이다.

 

---

 FAST AI

초보자들을 위한 빠르게 만들 수 있는 프레임워크이다.

나중에 파이토치(실전에서 쓰이는 프레임워크)를 사용하게 될 때 아주 도움이 된다고 한다. (기대)

---

연예인 닮은 꼴 찾는 인공지능 만들기

연예인 사진들을 크롤링 해서 저장하고 (클래스 별로 분류해서) 딥러닝 모델에 학습시킬 것이다.

Fast AI 코드가 정형화가 되어있어서 외울 필요가 없다고 한다.

데이터 구조만 같다면 그대로 복붙해서 사용할 수 있다.

(GPU를 사용해야해서 무료로 사용할 수 있는 구글 colab을 적극 활용하고 있다)

colab GPU 사용

GPU를 사용하면 학습 속도가 매우 빨라진다..ㅎ

 

한글을 지원하지 않는 패키지를 사용할 일이 많은데 한글을 사용하려면 

!apt-get install fonts-nanum -qq -y
!sudo fc-cache -fv
!rm ~/.cache/matplotlib -rf
exit()

 

이 코드를 실행시켜줘야 한다.

font-nanum은 나눔 폰트이다 ㅋㅋ

cache <- 캐시 얘도 터미널 뚝딱뚝딱 해 봤으면 많이 봤을 것 같다

한글을 지원하지 않는 matplotlib 라는 패키지를 사용할거라 추가된 코드이다.

 

---

연예인 사진을 모아보자

HTML/CSS로 어떤 사이트를 클론 코딩 해봤다면 알 것이다.

사진 모으는 작업이 제일 오래 걸린다는 것을.......ㅋ

이 프로젝트의 사진 데이터를 모아보자.

 

DuckDuckGo라는 사이트를 사용할거다.

구글과 똑같은 UI이고 자동화해서 이미지를 모을 것이다.

즉 DuckDuckGo는 이미지를 크롤링할 수 있게 도와주는 패키지이다.

jmd_imagescraper를 사용해보자.

!pip install -q jmd_imagescraper

 

이렇게 패키지를 설치할 수 있다.

from jmd_imagescraper.core import *
from jmd_imagescraper.imagecleaner import *

 

패키지를 로드(import) 했다.

사실 아래의 코드 실행 전에 어떤 함수가 있어야 하는데 강의 자료라 올리진 않겠다.

path = 'images' # 저장 상위 폴더
label = '안효섭' # 저장 하위 폴더 이름
keywords = '안효섭' # 검색 키워드
max_results = 50 # 수집할 사진 개수

image_list = duckduckgo_search_custom(
    path=path,
    label=label,
    keywords=keywords,
    max_results=max_results
)

 

- path : 저장 상위 폴더

- label : 저장 하위 폴더 이름

- keywords: 검색 키워드

- max_results : 수집할 사진 개수

그럼 이렇게 지정한 폴더 아래로 사진이 크롤링된다..! 옹

 

이 기능이 대박인데... 모았던 이미지를 볼 수 있고 바로바로 지울 수 있다... ㅎㄷㄷ 

이게 내장함수? ㅋㅋ

---

그래서 만든 것...! 

하다보니 모든 과정을 올리는건 비효율적인 것 같아 결과와 느낀점 + 핵심, 중요했던 부분만 적으면 될 것 같다.

 

파인 튜닝 (Fine-tune)

누군가 이미 만든 똑똑한 분류 모델을 조금 수정해서 적용하면 학습 속도도 빨라지고 굳이다..^^

(이미지 분야에서 많이 사용함)

 

 

파인튜닝을 이용하여 학습시킨 인공지능이 예측한 사진이 맞는지 봤는데 70퍼의 정도의 정답률을 보였다.ㅋㅋ

 

이 훈련된 모델을 저장/다운로드 했다가 로드  해서 다시 사용할 수 있다.

여기에 내 사진을 넣고 얼마나 일치하는지 %단위로 출력할 수 있게 만들었다.

---

아직까진 많은 코딩이 들어가지 않고 프레임워크에 익숙해지는 정도 같아서 빠르게 수강하고 공유할만한 지식을 업로드해야겠다... 적다 보니 이건 블로그에 쓰기 적합하지 않다는 생각이 든다...

아무튼 이런 공부부터 시작했다 라는 성장 일지의 한 부분이 될거다...^^