[연구실] 프로젝트 정리

<프로젝트 모델링 재설계>

: 유사도 모델에 대한 설계를 다시 하였다. 

우선 기존의 모델은 객체를 탐색하고 객체가 일치하는 이미지 데이터들에 대한 유사도를 분석하는 모델이었다. 

 

• 유사도 분석

: 이미지의 전체적인 유사도 + object 별 이미지 유사도의 평균값을 유사도로 측정

 

1. 우선 Object Detection은 YOLO 모델을 활용한다. 

2. 이미지 유사도 측정 모델은 다시 한번 여러 모델을 점검해 볼 필요가 있다. 

3. 기존에 사용하기로한 랜드마크 이미지 데이터가 너무 용량이 많다. => 다른 이미지 데이터를 활용할 필요가 있다.

 

 

• 이미지 유사도에 대한 라벨링 데이터 모델 찾기

1. 이미지 유사도 모델에 대한 논문에서 어떤 이미지 데이터 모델을 사용하였는지 확인한다. => 이미지 특징 정보 추출

 

 

 

 

• YOLO 사용 

우선 풍경 Image data에 대해서 확인을 하기 위해 Colaboratory를 사용하여 YOLO 모델을 확인한다. 

 

1. YOLO 모델을 사용을 위한 SETUP

## colab에서의 YOLO 사용을 위한 SetUp

!git clone https://github.com/ultralytics/yolov5
%cd yolov5
%pip install -qr requirements.txt

import torch
from IPython.display import Image, clear_output

clear_output()
print(f"Setup complete. Using torch {torch.__version__} ({torch.cuda.get_device_properties(0).name if torch.cuda.is_available() else 'CPU'})")

 

2. model setting 

: YOLO 모델을 load에서 하나의 풍경 이미지를 ulr을 받아와서 결과를 출력했지만, No detection으로 결과가 나온다. 

 

3. 풍경 Image Data 웹크롤링 => 약간 안됨 다시 해보기

 

4. 다음 블로그를 참고하여 객체의 수를 늘리고 라벨링 작업 후에 모델을 학습해야함

https://ropiens.tistory.com/44

YOLO V5 환경 셋팅 및 모델 아키텍쳐 분석하기

 

=> 결론: 풍경에 대한 이미지 라벨링 데이터가 필요하다. 이를 통해서 YOLO 모델 을 학습해야한다. 

* YOLO github 참고 하여