1021 김한비 멘토링

[cofla159]

1. 플라스크에서 돌리려고 하는데 잘 안돌아간다. 최소 사양같은게 있나? (모델 로드를 실패한다)
   레지넷 전체 불러와서 사용하기 X
   모델은 불러오되 필요한 데이터만 넣어서 학습시키기
   강아지 사진만 수집해서 다시 전이학습 시켜야 함
   학습 과정 전체를 불러오는게 아니라 모델만 저장해서 불러와야 함
   보호소 강아지 사진으로 하는게 좋은데 그게 어려우면 구글 크롤링 가능

2. 강아지만 추출해서 비교하고 싶은데 instance segmentation이 추출해서 저장이 되나?
   마스킹된 영역만 추출해서 json으로 저장 가능
   레지넷은 이미 데이터가 다 잘 저장이 되어있어서 그대로 불러와도 되는데 우리가 데이터를 만들면 다 해야함
   -> 이미 이걸 가정하고 학습한거라서 굳이 배경제거 할 필요 없음

3. 플라스크보다 ㅇㅇ가 훨씬 뜨고 있는데 장점?
   속도가 훨씬 빠르긴 한데 이 정도 데이터는 차이가 날 정도는 아니라 그냥 편한거 써라

4. 유사도 순서가 아니라 절대값으로 받아올 수 있나?
   뭐 하나만 쓰면 바로 나올 듯
   kneighbors_graph로 거리 따오면 들어가 있을 듯
   predict_proba로 해도 확륡값으로 나올 듯
   아무튼 어트뷰트 쓰다보면 안들어있을 수가 없다
   아니면 정 안나오면 knn 소스에 거리 구하는 클래스를 불러올 때 메소드에 조금 변화를 주면 된다(check_wait)
   https://github.com/mungtage/ai/blob/ceda1f8f7ffb73ac0b47689445a0843405919cd7/flask_serve.py#L84 diastance로 확인할 수 있을 듯

5. 1번 예시?
   다른거 다 필요없고 test_img_features만 불러와서 해라
   https://github.com/mungtage/ai/blob/ceda1f8f7ffb73ac0b47689445a0843405919cd7/flask_serve.py#L99 여기서 막혀서 사양 문제같은데 좋은 방법 있나?
   레지넷 자체를 줄여라. 레지넷이 작은 모델로 바꿔라.. 레지넷50이 큰건 아닌데 cpu 두개보단 gpu를 쓰는게 좋을 것
   작은 모델을 불러와도 성능 차이가 심하게 나지는 않을 것
   극강의 매칭률을 보여야 되는 서비스가 아니니까 성능이 좀 떨어져도 된다
   h5 파일이 어차피 모델을 불러와서 가중치를 덮어씌우는 거기 때문에 아예 모델이 로드가 안되면 소용이 없다

6. 털 색깔은 잘 못잡아내는 것 같은데?
   귀, 모양, 자세 같은 내용이 비슷한게 중요. 털 색깔만 보는게 아님.
   전처리/후처리 과정을 거쳐도 된다
   한번 더 모델링 과정을 거쳐서 색을 필터링해도 된다

7. (새끼강아지 사진)500개면 데이터 양이 적어서 1~2개 보는게 제일 괜찮은 거리가 나왔을 것 같다. 20개까지는 의미가 X
   각도가 영향이 있는 것 같은데 augmentation(데이터 증강)을 해야 방향이나 이런걸 찾을 수가 있다.
   학습을 시킬 때만 한번 진행하면 됨(고도화 시키는 과정)
   업데이트 주기를 가지고 일정 주기마다 학습하는 과정이 필요함

8. 댕댕아 어디잇니 코드를 그대로 쓴거긴 한데요..
   fit하는 과정만 추가하면 될 듯
   resnet50도 충분히 작긴 한데 더 작은거 써도 이정도 데이터에서는 ㄱㅊ
   papaerswithcode도 좋은 사이트.. 당장 하기는 힘들고 공부할 때 추천

9. 데이터 파이프라인 수집할 때 크론탭 말고 윈도우 스케줄러 있나?
   잘 모르겟는데... 찾으면 백퍼 있긴 할 듯

이메일로 연락줘도 된다! 모르는거 물어보깅 [email protected]

종합 평가

아예 똑같은 어플리케이션이 있기 때문에 창의성 면에서 장점은 없다
반려동물이 아니어도 테마만 바꾸면 비슷한 내용이 많다
프론트엔드 디자인이 잘 되어있어야 한다
인공지능도 image classification을 그대로 푼건데 이미 너무 유명하고 쉬운 문제이기 때문에 이거에 대한 메리트도 없다
=> 다른 팀하고 비교했을 때 그닥 차별성이 없다..