Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

ResNet

소개

ResNet(Residual Networks)는 매우 깊은 신경망을 학습할 수 있도록 설계된 딥러닝 아키텍처입니다. ResNet50은 50개의 레이어를 가지며, 이미지 분류에서 뛰어난 성능을 보입니다. He et al. (2015) 이 노트북에서는 미리 학습된 ResNet50 모델을 사용하여 이미지 인식을 수행합니다.

1단계: 필요한 라이브러리 임포트

NumPy와 Keras를 사용하며 CPU에서 실행합니다. ImageNet 가중치, 예제 사진과 클래스 이름 파일은 처음 사용할 때 Keras가 다운로드합니다.

2단계: ResNet50 모델 로드

  • Keras의 ResNet50 모델을 ImageNet 가중치로 사전 학습된 상태로 로드합니다

  • ImageNet 데이터셋으로 학습된 가중치는 1,000개의 이미지 클래스를 분류할 수 있습니다

  • model.summary()를 출력하여 모델의 구조와 파라미터 수를 확인합니다

3단계: 이미지 로드 및 전처리

공개 예제 사진을 내려받고 224×224 크기로 읽어 표시합니다.

4단계: 모델 예측

  1. 이미지 배열 변환: PIL 이미지를 NumPy 배열로 변환 (형태: 224×224×3)

  2. 배치 처리: expand_dims로 배치 차원 추가 (형태: 1×224×224×3)

  3. 정규화: ResNet50의 preprocess_input으로 입력 전처리

  4. 예측: 모델에 전달하여 1,000개 클래스의 확률 예측

  5. 결과 디코딩: decode_predictions로 상위 3개의 예측 결과를 클래스 이름으로 변환

  6. 결과 표시: Pandas DataFrame으로 깔끔하게 표현

References
  1. He, K., Zhang, X., Ren, S., & Sun, J. (2015). Deep Residual Learning for Image Recognition. https://arxiv.org/abs/1512.03385