CNN_VersatileNET_2022/Net_Manager.py at master · SHsari/CNN_VersatileNET_2022 · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
import cv2
from utils import *
from Network import Network


class NetManager:
    # 트레이너 클래스 입니다.
    # 트레인 데이터, 훈련시킬 네트워크, 에폭, 배치사이즈를 인수로 받고
    # 네트워크의 훈련과 테스트 기능을 제공합니다.
    def __init__(self, network):

        self.network = network
        self.epoch = None
        self.batch_size = None
        self.cost = None
        self.accu = None

    def train(self, x_train, t_train, epoch, batch_size):
        train_size = t_train.shape[0]
        self.epoch = epoch
        self.batch_size = batch_size
        iter_per_epoch = train_size // batch_size
        self.cost = np.full(epoch * iter_per_epoch, -1, float)
        self.accu = np.full(epoch * iter_per_epoch, -1, float)

        print('Training Initiate', end=' ')
        it = -1
        for i in range(self.epoch):
            for j in range(iter_per_epoch):
                it += 1
                batch_mask = np.random.choice(train_size, self.batch_size)
                x_batch, t_batch = x_train[batch_mask], t_train[batch_mask]
                pred = self.network.get_prediction(x_batch, train_flag=True)
                self.cost[it] = self.network.get_loss(pred, t_batch)
                self.accu[it] = get_accuracy(pred, t_batch)
                self.network.back_propagation()
                if j % 4 == 3:
                    print('.', end='')
            print('')
            print("epoch {0:3d},  batch_accu: {1:10.8f}".format(i + 1, self.accu[it]), end=' ')
        print('')

    def test_ans(self, x, t):
        print('test initiate')
        pred = self.network.get_prediction(x, train_flag=False)
        accuracy = get_accuracy(pred, t)
        print('accuracy: {}'.format(accuracy))
        return np.argmax(pred, axis=1), accuracy

    # 카메라와 연동 할 경우 즉각적인 결과값 반환을 위해
    # test 함수와 유사한 get abc 함수를 추가로 작성했습니다.

    def save_train_log(self, file_name):
        with open(file_name, 'wb') as file:
            pickle.dump(self.cost, file)
            pickle.dump(self.accu, file)
            pickle.dump(self.epoch, file)

    def load_train_log(self, file_name):
        with open(file_name, 'rb') as file:
            self.cost = pickle.load(file)
            self.accu = pickle.load(file)
            self.epoch = pickle.load(file)

    def makePlot(self):
        x = range(len(self.accu))
        plt.figure()
        plt.plot(x, self.cost, label='cost')
        plt.plot(x, self.accu, label='accu')
        plt.xlabel('iteration')
        plt.title('epoch = {}'.format(self.epoch))
        plt.legend()
        plt.show


    def get_abc(self, x):
        # 카메라에서 들어온 데이터를 기반으로 결과값을 판단하는 함수입니다.
        # 카메라 데이터가 n개씩 묶여 들어온다고 가정합니다.
        pred = self.network.get_chance(x)
        pred = np.mean(pred, axis=0)  # 묶여 들어온 데이터 값의 평균을 냅니다. 하나의 결과값으로 추론하기 위해.
        max_chance = np.max(pred)
        # 확률이 50% 이상이면 26개 중 하나의 알파뱃 번호를 리턴합니다. (0~25)
        # 하나의 알파뱃으로 특정되지 않을 경우 확률은 0, 번호는 -1을 리턴합니다.
        if max_chance > 0.7:
            return max_chance, np.argmax(pred)
        else:
            return 0.0, -1

    def camera_out(self):
        ABC = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ'
        cam = cv2.VideoCapture(0)
        it = 0
        test_data = []
        while True:
            it += 1
            ret, frame = cam.read()

            x1 = 760
            x2 = 1160
            y1 = 340
            y2 = 740

            # define region of interest
            roi = frame[y1:y2, x1:x2]
            cv2.imshow('roi', roi)
            roi = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
            roi = cv2.resize(roi, (56, 56), interpolation=cv2.INTER_AREA)

            copy = frame.copy()
            cv2.rectangle(copy, (x1, y1), (x2, y2), (255, 0, 0), 5)

            roi = roi.reshape(1, 1, 56, 56)
            roi = roi.astype(np.float32)
            roi /= 255.0

            chance, ABCarg = self.get_abc(roi)


            copy = cv2.flip(copy, 1)
            if ABCarg >= 0:
                str = ABC[ABCarg] + " {0:5.3f}%".format(chance * 100)
                cv2.putText(copy, str, (300, 90), cv2.FONT_HERSHEY_SIMPLEX, 2, (255, 0, 0), 2)

            cv2.imshow('frame', copy)

            if cv2.waitKey(1) == 13:  # 13 is the Enter Key
                break

        cam.release()
        cv2.destroyAllWindows()