0. 서론 naver의 face recognition api를 사용해본다. 사진을 입력받으면 얼굴의 개수, 눈코입의 위치, 추정되는 나이 성별 감정 등의 정보를 분석해서 반환한다. 1. application 등록 sosoeasy.tistory.com/329 여기서 1.application이랑 똑같이하면된다. 종류만 face recognition으로.. 2. 코드 (1) id와 secret, 파일경로를 입력한다. import os import sys import requests # id, secret 입력 client_id = "본인의 id값 입력" client_secret = "본인의 secret값 입력" # 파일경로 설정 files = {'image': open('파일경로 입력', 'rb')} (2) ..

0. 서론네이버 pose estimation api를 이용하여 사진속 사람의 신체 각부위의 위치를 찾는다. 1. application 등록(1) 로그인후 우측위에있는 콘솔창으로 간다 (2) 왼쪽에 products&services로 가서 posesti mation이 있는 AI NAVER API를 누른다 (3) 그러면 왼쪽에 ai.naver.api가 생기고 그밑에 appication탭으로 들어간다. 들어가서 파란색바탕의 applicaiton등록 버튼을 누르고 application을 등록하면 pose estimation박스가 만들어진다.그리고 박스안에 인증정보를 누르면 client key와 client_secret을 확인할 수 있다. 2. 코드(1) 1에서 발급받은 id와 secret을 입력하고, 파일경로를 ..

1. 데이터 전처리 import tensorflow as tf from tensorflow.keras import layers, utils from tensorflow.keras.datasets import mnist num_classes = 10; epochs = 10; batch_size = 100 learning_rate = 0.1; dropout_rate = 0.5 # input image dimensions img_rows, img_cols = 28, 28 # data loading (x_train, y_train), (x_test, y_test) = mnist.load_data() #각차원의 크기를 튜플형태로 반환하는 변수 x_train.shape input_shape = (img_rows, ..

1. 필요 모듈, 함수 구성 import numpy as np from PIL import Image import matplotlib.pyplot as plt # jpg 이미지를 숫자로 def jpg_image_to_array(image_path, size): # open image image = Image.open(image_path) # resize (클수록 선명하지만 느릴 수 있다) image = image.resize((size, size)) # convert to int ndarray im_arr = np.fromstring(image.tobytes(), dtype=np.uint8) # 모양확인 변수 .shape print(im_arr.shape) ''' # 3차원으로 바꾸기 im_arr[n][..

1. 데이터 전처리 import tensorflow as tf from tensorflow.keras import layers, utils from tensorflow.keras.datasets import mnist # data loading (X_train, y_train), (X_test, y_test) = mnist.load_data() # 60000*(28*28) -> 60000*(784) (28*28 2차원 metrix를 784 1차원으로 바꿈) X_train = X_train.reshape(60000, 784) # float로 바꿈 X_train = X_train.astype('float32') X_test = X_test.reshape(10000,784).astype('float') # d..