프로젝트 개요● 4인 팀을 구성해 약 2주간 진행한 팀 프로젝트다. 주제는 알약 이미지 객체 탐지 — 스마트폰으로 알약을 촬영하면 YOLO 모델이 약을 인식하고, 식약처 API를 통해 효능·복용법·주의사항을 보여주는 앱을 만드는 것이었다. ● 단순히 모델 학습으로 끝내는 게 아니라, 실제로 사용자가 쓸 수 있는 앱까지 완성하는 것을 목표로 잡았다. 결과적으로 mAP@0.5 0.9914, F1 Score 0.9948의 모델을 학습시키고, FastAPI 서버와 Flutter 앱을 연결해 실제로 동작하는 서비스를 완성했다. GitHub Link 시연영상 - Youtube Link 내 역할 : PM도 하고 개발도 하고● 프로젝트에서 PM을 맡았다. 처음엔 일정 관리와 업무 분배에 집중했지만, 실제론 매일 직접 ..

시작 ~ 데이터셋 생성 : https://uj07096.tistory.com/52 [My IT] 객체 인식 : 강아지/고양이 Detection(Faster R-CNN, SSD, YOLO)(1) (목표 ~ 데이터셋 생성)목표 : SSD모델을 활용하여 강아지와 고양이의 얼굴을 감지하는 Detection 작업 수행활용 데이터셋 : Kaggle의 The Oxford-IIIT Pet Dataset The Oxford-IIIT Pet DatasetDataset of 37 categories of dogs and catswww.kaggle.com 사용uj07096.tistory.com 3. 모델 학습 / 예측 0) 모델 비교최대한 비슷한 조건에서 예측하기 위해서 파라미터 수가 비슷한 모델들을 불러왔다.사용할 모델 ..

목표 : SSD모델을 활용하여 강아지와 고양이의 얼굴을 감지하는 Detection 작업 수행활용 데이터셋 : Kaggle의 The Oxford-IIIT Pet Dataset The Oxford-IIIT Pet DatasetDataset of 37 categories of dogs and catswww.kaggle.com 사용할 모델 리스트 : Faster R-CNN, SSD, YOLO위의 학습된 모델들을 불러와 데이터셋에 Full Fine-Tuning 하여 예측에 활용하기로 했다. ※모델별 특징 파이프라인 : 1. 데이터 EDA2. 데이터셋 생성3. 모델 학습/예측4. 모델 성능지표 비교 1. 데이터 EDA- pip/import!pip install xmltodict!pip install ultr..

객체 인식 모델객체 인식 모델을 두 갈래로 나뉘라면 two-stage model, single-stage model로 크게 나눠서 얘기하곤 한다. two-stage 모델이 먼저 등장했고, 이후에 single-stage모델이 two-stage model의 단점을 보완하기 위해서 등장했으며, 등장 초기에는 성능 저하의 문제가 있었으나 대표적인 single-stage 모델인 YOLO가 발전을 거듭하면서 현재 single-stage 초기 모델의 단점을 거의 해결하였고,실무에서는 YOLO를 거의 활용하는 형태로 발전했다. 그렇다면 two-stage모델은 어떻게 작동하며, 어떤 단점을 가졌으며, 어떻게 single-stage 모델로 발전해왔을까? 뒤에서 알아보도록 하자. a) Two - Stage Model(ex..