Modeling - [Process] 시각화를 통한 성능 검증

[UGeunJi]

모델의 성능을 수치로만 나타냈다. 테스트 이미지를 따로 넣어봄으로써 성능을 검증해보겠다.

코드

• 저장된 모델 선언

model = torch.load('./Saved_Models/ResNet18.pth')

• 이미지 resize 후 시각화

img = Image.open("./Model_Predict_Test_Images/20201211_General_122_DOC_A_M50_MM_069_0101.jpg")
img_resize = img.resize((224, 224))
img_resize

• 테스트 이미지 검증

import torch
import torchvision.transforms as transforms
from PIL import Image

# Define the transforms for preprocessing the image
transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

# Load the image
img = Image.open("./Model_Predict_Test_Images/20201211_General_122_DOC_A_M50_MM_069_0101.jpg").convert('RGB')

# Preprocess the image
img_tensor = transform(img).unsqueeze(0)

# Move the model and input tensor to the CPU or GPU
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
img_tensor = img_tensor.to(device)
model.to(device)

# Set the model to evaluation mode
model.eval()

# Make a prediction
with torch.no_grad():
    predictions = model(img_tensor)

# Print the predicted class
predicted_class = torch.argmax(predictions[0]).item()
print("Predicted class:", predicted_class)
img_resize

테스트 결과

class 2 => backswingtop

실제 동작은 backswing이지만 이 이미지는 json file에 의해 backswingtop으로 분류되어 있던 사진이다. 정답은 맞춘 셈이다.