학교 장소 사진 dataset

How to count person in image?

https://colab.research.google.com/drive/19eq2HMHADSwM-BtDqzabMu213XXwq-9q?usp=sharing

https://colab.research.google.com/drive/19eq2HMHADSwM-BtDqzabMu213XXwq-9q?usp=sharing

기존의 RCNN은 Linux 환경에서 pre-trained 되어있는 모델을 사용했다.

GAN을 사용하던 Google Colab에서도 사용가능한 모델을 찾아서 돌려보았다.

aerial photos↔Google maps using CycleGAN

dataset 이미지 검색 키워드 #site layout plan #landscape plan # 조경 평면도

깔끔한 이미지를 찾기가 어려웠다.

다운받은 사진들을 3D 그림판을 이용하여 사이즈를 256X256으로 통일시켰다.

Train A (target)

Train B (input)

Test A (target)

Test B (input)

1 epoch 당 205초(3분 20초)

Test Result

이번에는 input 사진을 180도 돌린 후 test data에 넣어보았다.

sketch 된 사진을 180도 회전하여 test 를 돌리면 어떤 결과가 나오는지 실험해보았다.

만들어진 dataset

이전에 만들어진 train data를 5개 돌린 후 위에 사진을 test data에 넣어서 어떤 결과가 나오는지 확인하였다.

실험조건: epoch=10, datasize =5

180도 돌렸을때 구조가 비슷한 사진이기 때문에 input에서 groundtruth로 어떻게 변경되었는지 판단하기 어려웠고 epoch에 따라 결과가 달라질수도 있겠다는 생각이 들어서epoch을 20으로 늘리고 180도 돌렸을때 확연히 차이가 크게 나는 사진으로 test 해보았다.

CycleGAN

Pix2pix 모델보다 train 시간이 매우 느리다.

urban landscape로 새로운 dataset을 만들었다.

https://www.photopea.com/ 온라인 포토샵 프로그램을 사용하여 펜 툴로 직접 라인을 따라 그렸다.

#urban planning # urban landscape를 주제로 pix2pix에 이미지를 넣고 돌려보았다.

Pix2pix(AllGAN) 모델, dataset 5개