<DAFIT> 02 딥러닝으로 은하 분류하기 07 - Accuracy

 

 

 

7번 문제 전에 사전 설명을 보면 다음과 같다.

각 은하의 형태를 보면 색보다는 모양에서 확연히 분류를 할 수 있을 것 같다.

이것은 꼭 이미지에서 RGB를 반영하지 않더라도 Grayscale로 충분히 학습할 수 있다는 것을 의미한다.

기존에는 아래와 같이 Conv-Pooling-Conv-Flat-FC-FC 구조였다.

model.add(layers.Conv2D(32, (3,3), activation='relu', input_shape=(50,50,3))) # RGB
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(64, (3,3), activation='relu'))
model.add(layers.Flatten())
model.add(layers.Dense(128, activation='relu'))
model.add(layers.Dense(3, activation='softmax'))

Conv layer를 좀 더 쌓으면 더 중요한 feature를 추출해 낼 수 있어서 Conv layer와 pooling layer를 하나씩 쌓아줬더니 Evaluation 결과가 78.67%에서 82.17%로 오른 것을 확인했다.