Mizzle-Blog

원인 회사에서 AI 통합 솔루션 및 예측 프로그램을 설계하기 위해 프로그램을 간단하게 구현함 Back-end : django Front-end : react AI : cascade Mask R-CNN(MMDetection) 결과 구현 화면 https://www.youtube.com/watch?v=Mj-nGin22Sk 결과 표현 Git https://github.com/MizzleAa/project_catdog_predict GitHub - MizzleAa/project_catdog_predict Contribute to MizzleAa/project_catdog_predict development by creating an account on GitHub. github.com P.S 우리집 강아지는 귀엽다

문제 인공지능 학습을 위해 데이터 증설이 필요하다. 그래서 이미지 합성알고리즘을 만들었다. 해결 16bit gray scale 인 2개 이미지를 합성을 수행한다. 합성할 이미지 1 합성할 이미지 2 합성 X-ray 이미지는 투과되는 영상이기 때문에 투영도를 조절해서 수식을 개발해야했다. 일반 이미지 처리 수식이 아닌 직접 수식을 개발하였고 실제 환경과 비교하였다. 데이터 증설을 위한 합성 수행 Git https://github.com/MizzleAa/Xray_Image_Processing_Algorithm/blob/main/library/images/synthesis.py GitHub - MizzleAa/Xray_Image_Processing_Algorithm: xray에 사용된 영상처리 알고리즘 및 학..

문제 발생 매타데이터 및 영상을 촬영하고, 해당데이터를 정재하여 학습데이터로 만들어야하는데, 이미지 크기가 2048px 정사각형이아닌 2024px 정사각형이여서 생긴 문제 였다. 데이터도 이미 정제가 완료된 상태이기 때문에 최악의 경우 모든 데이터를 다시 정재를 해야할수 있는 상황이였다. 촬영장비 및 환경도 철수 상태였고 데이터는 NIPA 사업에 재출을 해야했기 때문이다.(데이터량 60만장이다...) 일정은 하루밖에 남지 안았기 때문에 촬영이 여의치 않았다. 그래서 프로그램을 재작해서 이미지 크기 변경 및 정제 영역도 변경한 프로그램을 만들었다. 개발 코드는 생각보다 단순하게 끝날수 있었다. 이미지 크기 늘리기 : opencv를 활용해서 처리하였다. def resize(self, data, options..

ℹ️요약 이미지 합성을 위해 원본 이미지를 위험품목과 일반 품목으로 분류한다. 일반 품목에 위험품목을 합성한다. 합성 알고리즘을 통해 데이터 셋을 구축한다. 데이터 수량은 일반품목과 동일하게 구축하며, 효용성을 비교한다. 학습을 수행하여 모델에 따른 결과를 도출한다. 결과는 원본 이미지로 구성된 품목과 큰 차이는 없는것으로 판단된다. 0. Abstract X-ray의 보안 이미지를 비교하는것은 지속적으로 발전해야한다. 본 논문은 합성 된 이미지를 사용할 가능성에 대한 방법을 제시한다. 3가지 위험 품목에 대해 탐지 성능차이를 확인한다. 1. Introduction 공항, 철도, 지하철역 및 대중교통 등 국경 보안 시설에서는 X-ray 보안검사가 일반적으로 수행된다. 위험 품목에 대한 선별작업을 사용자(사..

문제 가상의 데이터를 통해서 R&D를 수행해야해서 시뮬레이터를 통해 AI에 이미지 정보 및 매타 정보가 잘 전달되는지 확인해야한다. 해결 방안 추론 새로운 사업을 수행할 때마다 새로운 시뮬레이터를 만들었었는데, 공수가 지속적으로 들었던지라 공통적인 부분을 추려내어 개발을 수행하였다. 회사에서 주로 이미지형태의 데이터를 통해 AI로 수행하기 때문에 비정형 및 반정형 데이터는 포함되어있지 않기 때문이다. 시뮬레이터는 데이터 베이스이든 기존 raw데이터를 긁어오던지 간에 정형데이터화 하여 데이터를 통신한다. 정형 데이터를 생성하는 규칙은 재각기 사업마다 다르지만, http 통신을 수행하며 content-type같은경우 application/json으로 동일시 하였다. 이점을 고려하여, 간단하게 태스트할 시뮬레..

논문을 보다보면 구현하거나 따라해야할 일이 있는데 그때마다 자료를 저장해서 관리 하였다. 그런데 현회사는 tif 파일에 16bit여서 논문참고용 이상 쓰지는 못했다. 8bit 흑백 영상(GD Xray) https://domingomery.ing.puc.cl/material/gdxray/ GDXray+ – domingo mery X-ray images for X-ray testing and Computer Vision As a service to the X-ray testing and Computer Vision communities, we collected more than 21.100 X-ray images for the development, testing, and evaluation of image..

ℹ️요약 이미지의 크기를 고정(600x600)시킨다. 해당 객체에 대한 bounding Box를 잘라 객채별로 분류한다. 잘라진 이미지 크기(224x224)를 변형한다. vgg16(backbone)의 입력값을 224x224로 변경한다. faster-rcnn을 통해 학습을 수행한다. 0. Abstract 학습 검출기로는 데이터 분류가 가능하나 가시적인 공개 데이터 셋에 대해서 효능적인 성능을 내지 못하는 문제가 있다. 이에 따라 본 논문에서는 X-ray를 위한 물체 검출 알고리즘을 제안한다. X-ray 물체를 이미제에서의 객체 및 색상을 기반으로 하는 전경-배경 분할 알고리즘을 사용한다. 그 후 해당 객체를 각각의 유형의 개체로 분류하고 개요를 설명한다. 학습 알고리즘은 Faster R-CNN을 사용한다...

목적 Analog로 전송된 신호를 영상으로 저장하기 위해 calibration이 되지 않은 이미지를 처리 알고리즘을 개발 전 후 코드 및 설명 참고 : https://github.com/MizzleAa/Xray_Image_Processing_Algorithm/blob/main/library/images/calibrations.py GitHub - MizzleAa/Xray_Image_Processing_Algorithm: xray에 사용된 영상처리 알고리즘 및 학습 데이터 생성 알 xray에 사용된 영상처리 알고리즘 및 학습 데이터 생성 알고리즘 . Contribute to MizzleAa/Xray_Image_Processing_Algorithm development by creating an accoun..

데이터 베이스를 직접 설계하고 샤딩기술을 미리 알았다면 좀더 분산처리에 가까웠을텐데.... 중간 사업 들어간건 설계랑 사람이 원만하지 않으면 가지말자... 1. 배경 환경적인 이슈 문제 패쇠망 환경에서 서로다른 데이터 배이스가 통신을 해야하는데 sqlAlchemy 가 Tibero를 지원하지 않아 생긴 문제 지원적인 이슈 문제 화물 정보에 물품을 수령하는 개인정보(민감정보) 가 포함되어 있기 때문에 USB 및 이외의 것 사용 불가 2. 해결 직접 odbc 쿼리문을 작성하여 mysql의 데이터를 스케줄링처리를 통해 tibero에 저장 및 관리하는 프로그램 개발 하루 일 평균 데이터 소비량 영상 메타 정보 : 하루 평균 약 10만건 AI 처리 정보 : 모델(3개의 모델)별 종합 처리 량 약 33만건(인식율 5..

기존에 정의된 내장함수를 활용을 잘해야 언어를 잘쓴다고 생각하기 때문에 모르는거나 기존에 알았던것 포함해서 간간히 정리하다 말았다... 추가로 정리할게 생기면 지속적으로 해야겠다. ################################################ # docs # = 숫자의 절댓값을 돌려줍니다. 인자는 정수, 실수 또는 __abs__()를 구현하는 객체입니다. 인자가 복소수면 그 크기가 반환됨 # abs(x) # = 절대값 # x값이 실수형일 경우 음수값이 양수로 변환 def fun(): x = -10 foo = abs(x) print(f"x = {x}") print(f"foo = {foo}") ################################################ #..