for i in range(1,1001):
    num = str(i).zfill(4)
    with open('./Training/[라벨]돼지_bbox/livestock_pig_bbox_00' + num + '.json', 'r') as f:
        json_data = json.load(f)
        label_info = json_data['label_info']

        image_name = label_info['image']['file_name'] # 이미지 파일명
        image_width = label_info['image']['width'] # 이미지 넓이
        image_height = label_info['image']['height'] # 이미지 높이
        annotations =  label_info['annotations']
        image_name = image_name.replace(".jpg", "")
        file = open("./labels/"+image_name + ".txt", "w")
        for annot in annotations:
            x1, y1, x2, y2 = annot['bbox'] # 객체 1개의 bbox 위치 좌표
            x1 = x1/image_width
            y1 = y1/image_height
            x2 = (x2-x1)/image_width
            y2 = (y2-y1)/image_height
            file.write(f"0 {x1:f} {y1:f} {x2:f} {y2:f}\n")
        file.close()

0 45 55 29 67 1 99 83 28 44

Loss function -Multiclass SVM loss 하지만 이 loss function에는 문제가 있다. 만약 L이 0가 되는 W를 찾는다면, W는 유일한 해를 갖지는 않는다.

-Softmax loss

optimization -random search(그냥 랜덤으로 해본 다음에 이제 어떤 게 제일 나았는지 best 뽑음) -미분/편미분 이용 gradient dW

K-NN (0, 1, 2, ..9)를 예축하는 .. 1-NN 과 5-NN을 했을 때 차이가 ㅇ -> training에서 또 validation으로 놓고 또 확인해보는 ..과정 근데 성능이 별로임 -> original / shifted/ messed up / darkened 했을 때도 다 똑같이 나와가지고..

Linear image classification f를 이용해서 이제 어떤 object인지 loss function를 감소할 , optimization 방법 등을 연구해야 함.

Vision History 시각적인 것, 즉 공학적인 생각으로부터 이 computer vision에 대해 연구하게 되었는데, 가장 핵심적인 것은 공학적인 것 중 'edge'에 simple한 neuron이 반응을 보인다는 것이었다. 이후 3D 모델을 인식하기 위한 방법론은 두 가지로, Generalized Cylinder (단순한 object들의 결합-물통은 원통과 꼭다리로 이루어져있구나) 그리고 Pictorial Structure(Variability Concept를 설명-얼굴은 눈/코/입/귀 등이 연결되어 있어)로 설명할 수 있다. 그래서 처음에는 object를 알기 위한 특정한 feature을 찾아내자. 에서부터 처음 시작되었다. 그리고 이후에는 CNN이 나타나서 점점 더 발전하게 됨.

우선 이번 AI spark 챌린지에서 다운받은 돼지와 관련된 json 자료를 visual studio 2015로 열어보면 이런 코드로 이루어져 있음을 알 수 있는데,

일단 사진의 정보가 나와있음을 알 수 있다. 어떤 정보냐 하면

1. 사진의 width와 height
2. 농장 장소의 이름은 무엇인가?
3. 그리고 농장의 환경은 어떻게 되어 있는지(열려 있는지 닫혀 있는지?)
4. 시간은 낮과 밤 중 언제인지
5. annotation에는 bbox와 segmentation 정보가 있고, category_id가 있는데 이는 아마도 밑에 있는 정보들 1:살찐 돼지 2:어린 돼지 3:암퇘지 로 나누는 것으로 보인다.

이제 이 정보들을 어떻게 가공하면 좋을지 고민을 더 해봐야 겠다.!

{"label_info": {"image": {"file_name": "livestock_pig_bbox_000001.jpg", "width": 1920, "height": 1080, "farm_name": "Asan", "farm_env": "open", "time": "daytime"}, "annotations": [{"bbox": [240, 2, 427, 164], "category_id": 1}, {"bbox": [831, 186, 1205, 610], "category_id": 1}, {"bbox": [1162, 468, 1507, 827], "category_id": 1}, {"bbox": [1234, 723, 1591, 959], "category_id": 1}, {"bbox": [1020, 3, 1462, 163], "category_id": 1}, {"bbox": [344, 50, 654, 390], "category_id": 1}, {"bbox": [375, 223, 675, 610], "category_id": 1}, {"bbox": [583, 421, 899, 843], "category_id": 1}, {"bbox": [870, 732, 1308, 969], "category_id": 1}, {"bbox": [678, 116, 976, 469], "category_id": 1}, {"bbox": [863, 877, 1276, 1013], "category_id": 1}, {"bbox": [316, 641, 635, 928], "category_id": 1}, {"bbox": [586, 0, 831, 433], "category_id": 1}], "categories": [{"supercategory": "livestock_pig", "id": 1, "name": "fat_pig"}, {"supercategory": "livestock_pig", "id": 2, "name": "weaning_pig"}, {"supercategory": "livestock_pig", "id": 3, "name": "sow"}]}}

json 파일 속 정보들을 가져오는 방법은 무엇일까? 예를 들어 이런 식으로 출력할 수 있다.

import json
import urllib.request as request

json_str = request(urlopen("무슨무슨 깃허브 레포터리").read()
output = json.loads(json_str)

for item in output:
    print(item["name"])
    print(item["full_name"])
    print(item["owner"]["login"]

json.dumps()

이런 식으로 [][]이렇게 차례대로 가져올 수 있다는 것!!

얼굴을 가장 잘 이해할 수 있는 (코의 위치라던가,.) 픽셀은 저렇게 생긴 픽셀일 것이다. (feature)

def init(self, **kwargs)

width와 height는 일단 13,13줄로 정해주고 states를 어떤 식으로 넣을지가 관건이다. 여기선 Dictionary로 만들어 주었는데.. states는 Dictionary로 가고, value는 배열로 넣어주면 되겠다., {player1: [[h,w]],player2:[[h,w],[h,w]],player3[[h,w],[h,w]] ..} 이런식으로 넣는 것이 좋겠다.( 맨 처음 player혼자 하나만 넣어서ㅠㅠ 이거 조심.)

그 다음 player는 1,2가 아닌 1, -1로 지정한다.(self play시 win lose와 동일 맥락으로 따져주기 위해서. 필요하다면 self play 알고리즘도 살짝 바꿔야 될 것 같다.

def init_board(self, start_player = 0)

current_player는 players 배열에서 0번째 / 1번째 이런 식으로 가져온다. (현재 누구 차례니? 에 관련된 코드라고 생각하면 된다. 이후 갈 수 있는 곳들에 대한 배열은 availables로 지정해주고, board에서의 states 또한 dictionary로 만들어주었다. last_move는 -1 (move에 대한 배열이 이차원 배열이라고 하자.)로 일단 간다.

move_to_location(self, move)

이건 그냥 행/렬 지정해주는 코드

근데 순서가 1번째 인지 두 번째 인지 그걸 따져서 코드를 짜주어야 한다. 순서가 첫번째라면 일단 맨처음 사람은 1차원 배열로 나오도록 만들자.

location_to_move(self, location)

움직일 곳에 대해서 정해주는 건데 일단 1.두개가 찍혔는가 (2차원배열 속 ) 2.하나에 x,y 둘 다 찍혔는가 검증한다음에 move를/move1과 move2를 각각 29 이런식으로 만들어준다.

★여기서 생각! 처음 둔 사람은 return 값을 그냥 move하나만 내보내면 되는데 두 번째 부터 둔 사람은 return 값이 두 개여야하는 문제

1. 그럼 그냥 배열로 반환할까? 근데 그러면 나중에 처리할 게 많아져서 고민 ㅠㅠ
2. 그러면 그냥 두 개 반환하면 어떻게 되지? 그러면 tuple로 (39,53)으로 반환된다고 한다.. 택 1~

current_state

square_state를 이용해서 바둑판에 각각 놓은 것들을 찍는다!