🇰🇷한국어 버전
1. 프로젝트 배경
• 이미지 분류 모델을 처음부터 구현해보고 싶었음
• 제한된 데이터(고양이 150장, 강아지 150장)를 활용
2. 사용 기술
• Python, TensorFlow, Keras
• Streamlit (웹앱 배포용)
• VS Code, GitHub
3. 프로젝트 구성
• 데이터 준비: 이미지 폴더 구조
• 모델 설계: CNN 모델 2가지 시도 (복잡한 구조 → 단순화)
• 학습 전략: 증강, EarlyStopping, Dropout 등 실험
4. 결과
• 최고 검증 정확도: 55.74%
• Streamlit으로 웹앱 형태로 예측 가능
• 그러나 실제 예측은 거의 고양이 → 문제 인지 및 개선 필요 판단
5. 회고 & 개선 방향
• 데이터 부족, 전처리 문제 가능성
• 전이학습(MobileNet) 시도 예정
• 학습 그래프, 혼동 행렬, 확률 기반 예측 추가 예정
6. GitHub 링크 & Streamlit 앱 화면 첨부
🇯🇵 日本語バージョン
1. プロジェクト背景
• イメージ分類モデルを最初から実装してみたかったこと
• 限られたデータ(猫150枚、犬150枚)を活用
2. 使用技術
• Python, TensorFlow, Keras
• Streamlit (ウェブアプリ配布用)
• VS Code, GitHub
3. プロジェクト構成
• データの準備:イメージ フォルダーの構造
• モデル設計:CNN モデル 2種類の試み (複雑な構造 → 単純化)
• 学習戦略: 増強., EarlyStopping, Dropout 実験
4. 結果
• 最高検証精度: 55.74%
• Streamlitでウェブアプリの形で予測可能
• しかし実際の予測はほとんど猫 → 問題の認知及び改善が必要な判断
5. 回顧&改善の方向
• データ不足、前処理問題の可能性
• 転移学習(MobileNet)を試みる予定
• 学習グラフ、混乱行列、確率ベースの予測を追加予定
6. GitHub 링크 & Streamlit 앱 화면 첨부