일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
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 |
- helm
- grafana
- OS
- Operating System
- kubernetes
- Spring
- airflow
- kubeadm
- Vision
- Python
- CSV
- EC2
- ip
- Network
- jvm
- JavaScript
- aws ec2
- CVAT
- AWS Redshift
- Kafka
- AWS
- java
- Packet
- aws s3
- PostgreSQL
- log
- kubectl
- zookeeper
- MAC address
- docker
- Today
- Total
목록AI (7)
JUST WRITE
Click 한 번에 Segmentation?! Vision 프로젝트를 진행하면서 CVAT을 사용하고 있습니다. CVAT을 통해 이미지를 Labeling 작업을 진행하고 있습니다. CVAT을 통해 Auto Labeling 작업도 진행할 수 있지만 100% 원하는 대로 Labeling을 하지는 못합니다. 사용자가 수동으로 Labeling을 진행해야 하는 경우도 있습니다. bounding box가 아닌 segmentation으로 정교한 Labeling을 사용자가 하기 힘듭니다. segmentation도 수월하게 할 수 없을까 고민하다가 찾은 것이 SAM(Segment Anything Model)입니다. SAM을 활용하면 segmentation을 수월하게 할 수 있습니다. 이번 포스팅에서는 CVAT에 SAM을 ..
GraphDB로 얼굴인식하기 저번 포스팅에서 deepFace를 통해서 이미지에서 얼굴 feature를 추출하여 Neo4j에 Node에 저장하였습니다. 이미지의 파일명과 feature을 단순히 저장만 하였습니다. 이번 포스팅에서는 feature끼리의 연관성을 분석해서 간단한 얼굴인식 App까지 구성해보겠습니다. 비슷한 얼굴(Node)끼리 연결 GraphDB는 Data간의 관계를 생성하여 관계를 통해 Data를 검색할때 빠른 속도를 자랑합니다. Data가 많아지더라도 관계를 형성한 Node끼리는 빠르게 검색이 가능합니다. 이번 예제에서 얼굴이 비슷한 Node끼리 연결하여 동일 인물의 이미지를 빠르게 검색하도록 합니다. deepFace에서 FaceNet 모델을 통해서 Feature를 추출하였습니다. 같은 사람..
deepFace로 얼굴 이미지 Feature 추출 저번 포스팅에서 GraphDB 중 하나인 Neo4j를 AWS EC2에 설치하였습니다. [Vision] GraphDB로 얼굴인식을?!?!(1) - neo4j 구축하기 GraphDB로 얼굴인식을?!?! Face Recognition은 지문, 동공 인식과 더불어 보안 시스템에 많이 활용되고 있습니다. 요즘 Vision과관련한 Project를 준비하다 보니 Vision 관련 논문도 보고 있습니다. 그러다 팀 developnote-blog.tistory.com 이번 포스팅에서는 이미지에서 얼굴의 Feature을 추출해 보도록 하겠습니다. deepFace란?! 얼굴 이미지의 Feature을 추출해서 Feature들을 비교하여 얼굴 인식을 합니다. 얼굴 인식은 크게..
GraphDB로 얼굴인식을?!?! Face Recognition은 지문, 동공 인식과 더불어 보안 시스템에 많이 활용되고 있습니다. 요즘 Vision과관련한 Project를 준비하다 보니 Vision 관련 논문도 보고 있습니다. 그러다 팀장님의 소개로 아래와 같은 논문을 알게 되었습니다. Neo4j와 DeepFace라는 Python Library을 통해 Face Recoginition 기능을 구현한 논문이었습니다. An Evaluation of SQL and NoSQL Databases for Facial Recognition Pipelines Facial recognition research has achieved significant progress in recent years. State-of-t..
Yolo 모델 Trian 저번 포스팅에서 Yolo 모델을 Train 하기 위한 DataSet을 준비하였습니다. CVAT을 통하여 샘플 Video에 있는 사람을 Labeling 하고 해당 Data를 COCO Data 포맷으로 변환하였습니다. 이번 포스팅에서는 준비한 DataSet으로 Yolo 모델을 Train 해보겠습니다. Train 환경 준비 Train에 필요한 환경을 준비해야 합니다. 필수는 아니지만 빠른 Train을 위해서 GPU Server를 권장합니다. 저는 AWS EC2에서 Ubuntu p2.xlarge로 GPU Server를 준비하였습니다. GPU Server 환경 구성은 아래 포스팅에 참고해 주시길 바랍니다. AWS EC2에서 GPU를 사용하려면?! AWS EC2 GPU를 사용하려면?! 딥러..
Train DataSet 준비 저번 포스팅에서 CVAT을 활용해서 Video를 Auto Labeling을 진행하였습니다. [Vision] 엔지니어의 Yolo 도전기(1) - CVAT을 통한 Auto Labeling 엔지니어의 Yolo 도전기 회사에서 Vision 관련 프로젝트를 진행할 수 있다는 소식이 전해졌습니다. AI로 강아지와 고양이를 비교하는 예시만 많이 들었지 Vision은 저에게는 미지의 세계였습니다. 팀 developnote-blog.tistory.com 이제 Yolo 모델을 Train 할 수 있게 DataSet을 준비하도록 하겠습니다. CVAT Data Export 저번에 CVAT에서 Auto Labeling을 한 Task에서 Data를 Export 합니다. Data 포맷은 COCO 포맷으..