티스토리

The Digital Strategist

검색하기

블로그 홈

The Digital Strategist

laedah0.tistory.com/m

얕고 넓게. 하지만 때론 깊이있게.

구독자: 0

방명록 방문하기

주요 글 목록

HSV 색 공간을 활용한 금속 객체 자동 감지 방법 이미지에서 특정 객체를 감지하거나 추출하려면, 객체의 고유한 특징을 활용하는 것이 중요합니다. 특히 금속 부속(힌지, 레일 등)은 일반적으로 나무나 플라스틱과는 색상, 재질, 반사 특성에서 차이가 크기 때문에 이를 기반으로 자동 감지가 가능합니다. 이번 포스팅에서는 HSV 색 공간을 활용하여 금속 객체를 감지하는 방법과 실제 구현 사례를 소개합니다.HSV 색 공간이란? HSV는 Hue(색조), Saturation(채도), **Value(명도)**로 구성된 색 공간입니다. 이는 인간의 색 지각과 유사하게 설계되어 있어 특정 색상의 범위를 정의하고 추출하는 데 유용합니다. • Hue (색조): 색상의 종류(빨강, 파랑 등)를 나타내며, 0~180도의 범위를 가집니다. • Saturation (채도): 색상의.. 공감수 2 댓글수 3 2024. 11. 15.
검증용 이미지의 역할 검증용 이미지는 모델이 학습된 후 성능을 평가하고 과적합을 방지하기 위해 사용하는 이미지 데이터입니다. 학습용 데이터와는 다른 목적을 가지고 있으며, 모델이 새로운 데이터에 얼마나 잘 일반화할 수 있는지를 평가하는 데 중요한 역할을 합니다. 검증용 이미지의 역할 모델을 학습시키는 과정에서 모델이 학습 데이터에 너무 의존해 특정 패턴만 잘 예측하게 되면, 실제 새로운 데이터에서는 성능이 떨어질 수 있습니다. 이를 방지하기 위해 학습 중에 학습 데이터와는 별도로 준비된 검증용 이미지를 사용하여 모델이 일반화 능력을 잘 갖추고 있는지 확인하는 과정이 필요합니다. 검증용 이미지와 학습용 이미지의 차이 • 학습용 이미지 (Training Images): 모델이 패턴을 학습하도록 돕기 위한 이미지로, 모델의 가중.. 공감수 0 댓글수 0 2024. 11. 15.
이미지 분석 모델을 활용한 객체 감지 프로토타입 구축 1. 개요 이미지 분석 모델을 활용하여 사용된 부품(가구 부품 등)의 규격을 찾는 서비스를 구축하기 위해 사전 학습된 모델을 파인튜닝하고, 검증용 데이터를 통해 모델의 성능을 평가하는 과정을 정리합니다. 이 보고서는 모델 구축 과정, 데이터 준비, 학습 및 검증 데이터의 역할, 그리고 실습 방법을 포괄적으로 다룹니다. 2. 프로젝트 목표 1. 목표: 가구 부품 등의 이미지를 업로드하면 사용된 부품의 규격을 식별하고 정보를 제공하는 서비스 개발. 2. 핵심 기술: • 컴퓨터 비전(객체 감지) • 사전 학습된 모델의 파인튜닝 • 검증 데이터 기반 성능 평가 3. 기대 효과: • 이미지 데이터 분석 자동화 • 부품 규격 식별 효율성 향상 • 사용자 친화적인 규격 정보 제공 3. 주요 단계 3.1. 사전 학습.. 공감수 4 댓글수 2 2024. 11. 15.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.