제목이 곧 내용입니다! 이전 포스팅에서 쉽게 라벨링 하는 방법에 대해서 설명했었는데요, 이게 학습마다 라벨링 하는 방법이 다르더라구요! 그래서! 이번 포스팅에서는 XML이나 Json으로 라벨링한 파일을 YOLO형식 txt파일로 변환해주는 사이트를 소개시켜드리려고 합니다. 심지어!! 이미지 Augmentation기능까지 있어요!! 바보짓을 해서 오히려 좋아. 이렇게 좋은 사이트가 있었다니~~ 1. YOLO에서 요구하는 라벨링 파일 형식은? YOLO학습에서는 txt형식의 네모난 라벨링을 요구합니다. 지난 포스팅에서 들었던 예를 들겠습니다. 우리는 킥보드 사용자가 헬멧을 썼는지 여부를 체크하는 프로그램을 만들고 있습니다! 으음 Augmentation을 원본까지 해버려서 제일 깔끔한게 이것이네요. 그냥 이렇게 ..
본격적으로 YOLO분석을 시작하기 전에! 데이터를 아주 많이 모아서 라벨링 작업을 선행해줘야 합니다. 학생들이 진행하고있는 주제는 킥보드 사용자의 헬멧 착용 여부를 Detection하는 프로젝트입니다. 왜 하나요??? 기계가 보고 이미지를 분류하려면... 일단 인간이 보고 구분을 해줘야 합니다! 우리는 킥보드 사용자의 보호장비를 Detection하고 있으므로, 이 사진에서 이 부분은 헬멧을 착용한 모습이야. 혹은 이 사진에서 이 부분은 헬멧을 착용하지 않은 모습이야. 를 일러줘야합니다. 음.. 그런데 어떤식으로요?? 예를 들어, 이렇게 라벨링을 붙여줄 수 있고, 사진과 같은 이름의 json파일을 만들어 boundary를 만들어줘야합니다! 이 사진에서 빨간 부분이 헬멧을 착용한 KickBoard_helme..
본격적으로 YOLO로 이미지 분류를 하기 전에! 저번에 동아리에서 발표했던 YOLO리뷰를 보고 들어가겠습니다. 작성했던 스크립트와 함께 봐주시면 되겠습니다. 우선 YOLO를 알아보기 전에! 이미지 검출 모델들부터 살펴보겠습니다. 분류 모델은 하나의 이미지를 보고 이게 개인지, 고양이인지 판단하는 모델입니다. 또한 객체검출 모델은 하나의 이미지를 보고 개는 어디있는지! 판단하는 모델이 되겠습니다. YOLO가 등장하기 전의 방식인 DPM과 R-CNN은 다음과 같이 작동합니다. DPM방식은 이미지를 슬라이딩 윈도 방식으로 쭈루룩 훑어보며 객체를 검출하는 방식입니다. 그리고 R-CNN은 이미지안에서 bounding box를 생성하고, 분류를 통해 bounding box를 조정하며 중복을 검출하여 제거합니다. 이..
최근에 산학프로젝트 과목의 조교를 맡게 되었다! 인공지능을 다루는 기업에서 산학 프로젝트 제의가 들어왔고, YOLO 네트워크를 이용한 프로젝트를 맡는 팀이 생겼다. 이번에는 특이하게 Jetson nano라는 특별한 머신러닝 전용 미니 컴퓨터(이건 내가 이해한 것임..)를 받아서 직접 네트워크를 구성하고, AWS를 다루게 될 것이라고 하였다. 교수님께서 젯슨 나노를 같이 받아서 개발을 해보는 것이 어떻겠냐고 하셔서 냉큼 받아왔다! (찾아보니 국내에서 구하기도 어렵고 거의 15만원돈 하는 듯 했다..) 젯슨 나노란, 엔비디아에서 제작한 AI, 딥러닝, 이미지 분류등에 특화된 싱글보드 컴퓨터이다. 소프트웨어적인 부분은 리눅스 우분투를 사용한다. 제원을 찾아보니, 다음과 같았다. 으음 우리는 이미지 분류를 할테..
