데이터 셋 분석 및 학습 비교(4) - Keras CNN 사용 및 결과 분석

이전 테스트에서는 keras Sequential Dense Net 학습모델의 정확도 비교 분석을 해보았다.

 

이번에는 Keras CNN을 사용하여 비교분석을 진행해보자

 

적용 파라미터 값은 다음과 같다.

 

Layer : 16개

최적화함수 : Adam

활성화 함수 : Relu, Softmax

손실함수 : Crossentropy

Epoch : 100

Batch_Size : 1000

Maxpooling, Dropout : 50%

Conv network 사용(32, 6, 128, 256)으로 필터 증가

 

이전 테스트와 차이를 둔게 있다면 Maxpooling과 dropout을 각각 50% 적용했다.

지금 정리하는 결과는 정확도가 개선 된 것만 적는 중이다...

이 글을 정리하기 전에 많은 테스트를 해봤지만 정확도가 개선되지 않아 Maxpooling값과 dropout을 적용했다...

 

Maxpooling과 dropout이 무엇인지 궁금하면 다음 링크를 참고하자!

각 레이어에 적용한 파라미터 값

각 레이어의 정보

Conv network 사용(32, 6, 128, 256)으로 필터 수가 증가 한것을 볼 수 있다.

 

 

 

 

 

 

 

학습결과는 다음과 같았다.

학습결과

 

 

학습결과로 정확도가 92.31%가 나온것을 알 수 있다.!!!!(엄청난 성과...)

 

즉 여기서 우리는 몇가지 결론을 얻을 수 있다.

1. Convolution 연산 레이어를 활용하여 이미지 연산에 최적화 된 분류를 할 수 있다.

2. 지금까지 학습은 batchsize와 Epoch는 고정하고 나머지 파라미터에 변화를 주었다. 그럼 이제 Batchsize와 Epoch에 변화를 주면 정확도가 더 높아지겠구나!!(희망사항)

 

다음글을 기대하라.... 나도 기대가  된다.. ㅎㅎㅎ