Class 객체를 표한하기 위한 문법이다. attribute, method (속성, 메서드) attribute은 객체가 지니는 데이터이다. method는 객체의 기능을 나타낸다. Class and object class = 붕어빵 틀 object = 붕어빵 Instance = 실제로 만들어진 붕어빵 object는 각각 고유한 성격을 지니고 객체들 끼리 영향을 주지 않는다. 간단한 게임 캐릭터 class class 상속 게임 캐릭터 2차 전직 class에서의 self는 객체를 나타낸다
Lambda 익명함수 함수를 한 줄로 표현 -> 가벼운 함수 lambda 매개변수 : 표현식 장점 코드 간결화 가독성이 높아짐 함수 만드는 과정이 없어 생산성이 높아짐 단점 재사용이 불가능하다 디버깅이 어렵다 재귀에 쓰이기 부적합하다 map 매개변수인 list 나 tuple을 사용자 정의 함수에 맞게 처리하는 함수 map(함수, list or tuple) Python의 sort의 경우로 lambda를 이용하여 사용자 함수에 맞는 정렬을 시킬 수 있다.
https://github.com/intel/haxm/releases Releases · intel/haxm Intel® Hardware Accelerated Execution Manager (Intel® HAXM) - intel/haxm github.com 이렇게 해도 해결을 못했다 해결 1. BIOS 에서 VMX를 enabled로 변경 시킴 Hyper-V 활성화 windows + R appwiz.cpl 입력 windows 기능 켜기 끄기 선택 Hyper-V 체크 확인 다시 시작
https://pasongsong.tistory.com/37?category=1020799 labelImg 사용하기 https://github.com/tzutalin/labelImg#labelimg GitHub - tzutalin/labelImg: 🖍️ LabelImg is a graphical image annotation tool and label object bounding boxes in images 🖍️ LabelImg is a graphical im.. pasongsong.tistory.com 1. 이미지 중복 처리 파일 이름이 같은 경우 라벨링 결과가 같은 경우 위의 두가지 경우에만 중복 이미지를 삭제함 2. 필요 없는 데이터 제거 데이터 중복을 제거하고 하나하나 확인하여 관련 없는 이미지를..
1. Introduction fire detection model을 학습시키기 위한 데이터 수집 과정 2. Tools & technology crawling selenium webdriver beautifulsoup requests 3. work flow 5. Implementation url의 자료형을 dict으로 하여 방문 여부 조사시 key-value를 이용하여 빠르게 조사 url을 먼저 저장하여 중간에 코드가 중단되어도 재실행시 빠르게 복구 가능 5. Result 약 2300개의 데이터 수집
1. Introduction 온라인 오프라인에서 제품을 구매할 때 많은 사람들은 제품 리뷰를 찾아봅니다. 다양한 웹 사이트에 퍼져있는 리뷰들을 한번에 볼 수 있다면 좋을 것 같다는 아이디어에서 출발한 프로젝트입니다. 본 프로젝트에서는 음식 제품의 정보를 QR 코드 인식을 통해 음식의 최저가격, 최대가격, 열량 정보를 알 수 있고 NLP-Sentiment Analysis를 통해 퍼져있는 리뷰 정보를 알 수 있습니다. Development Environment and Tools HTML CSS JavaScript Node js Python MySQL development technology BERT QR Code Scanner Mobile Web Web Crawling DATABASE API 2. My pa..
1. 시작 라우팅 주소 설정 Flask를 이용하여 Python으로 라우팅 설정 API 시작과 동시에 model을 load하여 서비스 이용 2. 라우팅 주소, Data url : http://192.168.0.17:8000/IRLABFile 리뷰 형태 JSON 3. Post로 값을 전달받고 긍부정 값을 반환함 return jsonify({'best': best, 'worst': worst, 'average': round(aver,1) }) 4. return 받는 결과물 { "average":0.5, “best":"5개 패키지인데 최소 3개 이상으로…", "worst":"하리보 4개 와야하는데 2개…” }
Dataset 제품 review 별점으로 긍정 부정을 나누었고, 긍정 = 1, 부정 = 0 .csv 저장 긍정 부정 기준, 0 ~ 2 -> 부정 / 4 ~ 5 -> 긍정 긍/부정 리뷰 1 배송도 빠르고 곡간이 든든합니다 1 잘 먹고있는 제품이에요 무난하게 맛있어요 0 첨 먹는데..텁텁하고 토핑도 살짝 허접..걍 느끼하기만... 1 정말 사진하고 똑같아요 간편하고 정말 맛있어요 데이터 출처 데이터의 개수 정확도 NAVER 긍정데이터 : 1,532,112 부정데이터 : 5,908 99% 문제 : imbalanced data 인한 Overfitting 해결 : 부정 리뷰 개수로 Down Sampling NAVER 긍정데이터 : 5,908 부정데이터 : 5,908 89% 문제 : 적은 Dataset 해결 : 1..
