import cv2 import numpy as np import matplotlib.pyplot as plt %matplotlib inline 필요한 기본 모듈 임포트 blank_img = np.zeros(shape=(512,512,3),dtype=np.int16) 색상채널3개로 놓고 512*512 프레임에 0으로 가득채우니 검은색이 나올것이다 plt.imshow(blank_img) cv2.rectangle(blank_img,pt1=(284,0),pt2=(500,150),color = (0,255,0),thickness=10) 꼭짓점 x=284,y=0, 두번째 꼭짓점 512면 경계 넘어갈수도 있음 도형을 밑으로 조금 내려주기 위해 150을 입력한다. 색은 초록색을 넣어주고 선은 기본단색 두꼐 10 이미..
import numpy as np import matplotlib.pyplot as plt %matplotlib inline from PIL import Image 이미지를 jupyter notebook에 파일을 심기 위해 필요한 모듈을 불러줍니다 pic = Image.open('C:/Users/Owner/Desktop/Computer-Vision-with-Python/Computer-Vision-with-Python/DATA/00-puppy.jpg') 귀여운 댕댕이 사진이 있는 폴더의 경로를 image.open으로 불러옵니다 type(pic) PIL.JpegImagePlugin.JpegImageFile pic의 type은 이렇게 나옴. 이형식을 array로 변환해줍니다 pic_arr = np.asarr..
1. 모듈 임포트 및 데이터셋 불러오기 import warnings warnings.filterwarnings('ignore') import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns import warnings import os %matplotlib inline warnings.filterwarnings('ignore') plt.rcParams['font.family'] = 'NanumGothic' # 시각화시 한글깨짐 방지 df= pd.read_csv("C:/Users/Owner/Downloads/Alcohol_Sales.csv",index_col='DATE',parse_dates=True)..
정말 많이 배우고 구현해도 항상 새로운 딥러닝.... 갈길이 멀다 ,,,, 기본 모듈 임포트 import keras import matplotlib.pyplot as plt import pandas as pd import numpy as np %matplotlib inline 선형 데이터로 식은 y= mx+b+noise이고 임의의 값을 설정한다. m=2 b=3 x=np.linspace(0,50,100) np.linspace(구간시작점, 구간끝점, 구간내 숫자갯수) x를 찍으면 요렇게 나온다. array([ 0. , 0.50505051, 1.01010101, 1.51515152, 2.02020202, 2.52525253, 3.03030303, 3.53535354, 4.04040404, 4.54545455,..
퍼셉트론은 여러개의 input과 한개의 output이 있다. input이 두개있다고 가정하고, 입력치는 각각 12와 4, 가중치를 0.5와 -1라고 가정해보자. 이러한 입력치에 가중치를 곱하게 된다. 12*0.5 + 4*-1 입력치를 가중치와 곱한 결과를 취해서 활성화 함수(activation function)으로 보낸다. 외부를 볼 수 없는 hidden layer도 존재하는데, input과 output 사이에 존재하고, 3개의 이상의 hidden layer가 있을 때, deep network 라고 부른다. 입력값들이 양수면 1 음수면 0을 출력한다.만약 입력치가 0이라면 output은 항상0이 도출된다. 이러면 문제가 생기기 때문에, bias를 추가하여 이러한 딜레마를 해결함. 활성화 함수에는 기본적으..
문서 요약이란 중요한 문장을 자동으로 추출하는 과정 중요한 문장을 추출한다 -> 문장의 중요성을 어떻게 판단? 추상적 요약 문서를 의미적으로 이해 , 의미 추출 하여 요약 생성 추출 요약 문장별 중요도 계산 , 순위 높은 문장 선택 , 기술의 난이도가 있음. Luhn Summerize 이용한 문서 요약 단어의 중요도는 사용빈도로 측정, 작가는 중요한 단어를 반복한다. 중요 단어를 구분할 수 있는 구역을 C와 D로 표시 빈도수가 높다고 무조건 중요한 단어는 아님을 의미. 작성자가 많이 사용한 단어가 많은 문장이 중요한 문장이다 문장의 중요도 sentence 각 대쉬는 토큰을 의미함. 중요 단어가 시작하는 처음과 끝사이 단어들 중 중요단어의 상대 비율 문장 중요도 = (윈도내 포함된 중요단어 갯수)^2/ 윈..
TextRank TextRank는 각 문서를 토큰화 -> 그래프 생성 (서로 간의 관계를 이용) -> 중요도 계산하여 핵심 키워드 추출 그래프 기반 Ranking 모델, 키워드와 문장추출을 위한 비지도 학습 방법 제안(문서만 있으면 키워드나 문장 추출) Graph-based ranking algorithms -> 구글 PageRank에서 사용됨, 그래프 기반 각 노드의 중요성을 결정하는 방법 많은 득표를 한 노드가 중요한 노드임을 의미. 구글 페이지 랭크 원리를 보면, c,b는 웹페이지 나를 참조로 하고 있는 링크가 많을 때 중요한 웹페이지라고 간주 -> 가중치가 올라감 S(Vi): 아래 PR(A) 와 같은 역할 나와 인접하고 있는 노드가 가지고 있는 링크 만큼 분해하여 스코어를 받음 키워드 추출의 Te..
핵심키워드 추출 핵심 키워드 추출이란 문서에서 가장 중요한 단어를 자동으로 추출 "단어의 중요성을 어떻게 판단할 것인가?" 대량 데이터 처리 가능-> 직접 읽지 않아도 처리할 수 있음 추출의 일관성 -> 정해진 모델 통해서 동일한 기준을 가지고 추출, 모델에서 변화를 줄 수 있는 것은 파라미터(매개변수)임. 모델 자체는 변하지 않음. 실시간 분석이 가능 -> 키워드 추출을 실시간으로 진행 1. 단어 빈도를 활용한 접근 문서를 단순한 단어모음으로 간주,but 단어의 의미, 구조, 문법, 순서를 고려하지 않음 2. 연어/ 동시발생 n-gram을 통해 일부분 문맥에 대한 부분 처리 예를 들어 '고객 서비스'라는 연어가 있을 때 고객/ 서비스 하면 알 수 없지만 고객 서비스를 같이 보면 무엇을 의미하는지 알 수..
