본문 바로가기

분류 전체보기175

환경 소음 분류 보호되어 있는 글 입니다. 2020. 5. 21.
Chapter 9. Unsupervised Learning Techniques 오늘날 머신 러닝의 기술들이 Supervised Learning을 기반으로 하고 있지만, 사실 대부분의 데이터는 라벨링이 되어있지 않다. Input feature X가 존재하지만 라벨 y는 존재하지 않는다. 제조 생산 라인에서 각 품목의 사진을 몇 장 찍고 결함이있는 품목을 감지하는 시스템을 만든다고 가정하자. 자동으로 사진을 찍는 시스템을 만들면 하루에 수천장의 사진을 얻을 수 있을 것이다. 몇 주 동안 사진을 계속 찍는다면 매우 큰 데이터셋을 만들 수 있을 것이다. 그러나 라벨이 없다. 만약 결함이 있는지 없는지 판단하는 binary classifier를 만든다면, 'defective' 나 'normal'로 매 사진마다 라벨이 필요하다. 이 일은 전문적인 지식을 갖춘 사람이 앉아서 일일이 사진을 보면.. 2020. 5. 12.
[Python] Mel-Spectrogram 음성의 특징 추출 방법으로 Mel-Spectrogram이 있다. 어떠한 방법인지 알아보자 1. y mel-spectrogram을 얻기 위해서는 librosa.load로 음성 데이터를 load 하여 얻은 y를 넣으면 된다. 이렇게 나머지를 지정하지 않고 추출하였을 경우 default 값으로 추출이 된다. 2. sr librosa는 별도로 sr(sampling rate)를 설정하지 않으면 default sr이 22500으로 되어있다. 여기서 불러올 음성 파일은 이미 16000 sr이므로 반드시 sr=16000을 붙여주도록 한다. 3. S S는 librosa.stft(y)를 하면 얻을 수 있다. 즉 Short-Time Fourier Transform을 하여 얻어진 magnitude와 phase의 값인 것이다... 2020. 5. 6.
ML lab 06-1: TensorFlow로 Softmax Classification의 구현하기 lab-06-1-softmax_classifier.py # Lab 6 Softmax Classifier import tensorflow as tf tf.set_random_seed(777) # for reproducibility x_data = [[1, 2, 1, 1], [2, 1, 3, 2], [3, 1, 3, 4], [4, 1, 5, 5], [1, 7, 5, 5], [1, 2, 5, 6], [1, 6, 6, 6], [1, 7, 7, 7]] y_data = [[0, 0, 1], [0, 0, 1], [0, 0, 1], [0, 1, 0], [0, 1, 0], [0, 1, 0], [1, 0, 0], [1, 0, 0]] X = tf.placeholder("float", [None, 4]) Y = tf.plac.. 2020. 5. 3.

티스토리툴바