히비스서커스의 블로그

numpy로 각종 이미지 처리를 하며 numpy 기능들 정리들을 정리해보았다. 축 관련 축(차원) 제거하기 numpy.squeeze(a, axis=None) a라는 numpy 배열에서 축(차원)을 제거할 때 사용, 보통 shape을 찍었을 때 값이 1인 것만 제거가 가능 배열 추가하기 numpy.expand_dims(a, axis) a라는 numpy 배열에서 축(차원)을 추가할 때 사용 관련된 예제 확인 https://numpy.org/doc/stable/reference/generated/numpy.squeeze.html numpy.squeeze — NumPy v1.21 Manual numpy.squeeze numpy.squeeze(a, axis=None)[source] Remove axes of le..

binary semantic segmentation을 keras framework로 이미지 처리를 numpy로 진행할 시 마주친 여러 문제들을 정리해보았다. 개인적인 견해와 상황이므로 정확하지 않을 수 있으니 참고만 해주길 바란다. keras semantic segmentation 시 generator에서 주의해야 할 사항 먼저 이미지 데이터 타입으로 unit8, uint16, uint32, float32 등 여러 가지 타입이 존재하지만 가장 많이 쓰는 것은 unit8 (min=0, max=255)과 float32(8bit의 지수, 23bit의 소수)인 듯 하다. 주어진 이미지와 마스크는 데이터 타입이 uint8이었다. 또한, binary segmentation을 시도하는 중이었기에 mask의 최대값은 ..

파이썬으로 작업을 하다보면 numpy를 쓸 일이 정말 많은 것 같다. 사실 numpy를 많이 써보긴 하였으나 깊게 파면서 직접 코드를 짜본 적은 없는 것 같다. 하지만 이미지처리나 딥러닝을 python으로 잘 활용하기 위해서는 numpy를 잘 활용하는 것이 중요한 것 같다. 이번에는 이미지 분류를 하기 위해서 이미지의 라벨링을 하는 것과 배치 처리를 하는 여러 방법들 중 numpy를 활용한 방법을 정리해보았다. 먼저 이미지를 넣을 array를 x, 라벨을 넣을 array를 y로 하여 만들어준다. import numpy as np number_of_data = 1300 # 데이터 수 img_size = 256 # 이미지의 사이즈 (정사각형으로 간주) color = 3 # 컬러는 3, 흑백은 1 batch_..