재획하면서 공부하기 #1~5 개념을 활용하여 화살표 방향을 분류하고 맞추는 프로젝트 입니다.

룬 이미지 출처: https://overhigh.tistory.com/17

본 프로젝트는 머신러닝 공부용 입니다.

따라서 성능은 뛰어나지만 블랙박스 형태로 제공되는 머신러닝 라이브러리를 사용하지 않고

모델의 내부 구조를 직접 코딩하여 구현합니다.

또한 작동속도(계산 복잡도)는 고려하지 않습니다.

언어는 파이썬, ide는 google colab을 사용합니다.

목표

1. 1483개의 화살표 이미지를 4가지 방향에 따라 자동으로 classification하고 각 폴더에 나누어 담는다.

2. 

계획

1. 1483개의 데이터를 1000개의 training data, 483개의 validating data로 나눈다.

2. 1000개의 training data를 가지고 모델을 학습시킨다.

lable 되지 않은 데이터, categorical 데이터임을 고려해서 모델을 선택한다.

3. 483개의 검증용 데이터의 일부를 직접 lable하고, 모델이 예측한 값과 비교하여 error rate을 계산한다.

4. image  pre-processing을 통해 error rate을 줄일 수 있는 방법에 대해 고민한다.

흑백화, 컨투어 디텍션, 의사결정나무모델 활용, 백그라운드 노이즈제거 등 시행착오를 겪으며 1~3 과정 반복

5. 이미지 디텍션에 대해 공부한다.

6. 스킬 이펙트, 캐릭터 등에 가려진 경우, 이미지의 크기가 변한 경우, 이미지의 일부가 소실된 경우 등

external noise attack 에 대한 해결책을 고안하고 안정성을 검증한다.

7. 추가로 진행할 프로젝트 계획- moving object detection, CAPTCHA