딥러닝 AI 프로젝트 실사례 5

[창업 프로젝트 plip] Food instance segmentation

모델 목표 매장에서 고객들이 고른 빵을 한 번에 결제하는 셀프서비스 매장 구현 다음과 같이 거치된 휴대폰에서 사진을 찍고 각 빵들을 분류하는데 겹친 빵들에 대해서는 제대로 된 분류가 나오지 않는 문제가 있습니다. 이런 문제를 해결하기 위해서 instance segmentation을 적용하기로 했습니다. 하지만 segmentation을 학습할 데이터도 없고 레이블링을 외주 맡기기도 애매했습니다. 그래서 instance segmentation 중 가장 비슷한 domain의 연구들의 모델이나 데이터를 찾아 적용해 보기로 했습니다. Sib-Net Food counting을 목표로 설계된 모델로 sibnet: food instance counting and segmentation에서 제안됬습니다. https://..

[창업 프로젝트 plip] 문제 접근

어떤 오브젝트의 텍스처를 인식하는 것은 어려운 문제이고 그 오브젝트의 형태가 정해져 있지 않다면 특히 더 어렵습니다. 빵 같은 경우에는 다양한 형태가 존재하기에 기존에 적용된 object detection 방법으로만은 인식하기 힘들다고 판단했고 다른 방법이 필요하다고 생각이 들었습니다. 비슷한 사업을 진행 중인 기업들을 살펴봤는데 각 기업들은 여러 방향으로 카메라를 달아 depth를 뽑아 3D 모델을 만들어 정확한 개수를 측정했습니다. 하지만 이 경우 여러 대의 카메라가 필요했기에 비용이 높았습니다. 저희 팀의 경우 스마트폰을 사용하여 접근도가 높고 초기 비용이 저렴하다는 경쟁력을 가지고 있기 때문에 해당 방법을 사용하는 것은 힘들다고 생각했습니다. 그렇기에 조금 더 세밀한 텍스처 인식이 가능한 inst..

[창업 프로젝트 plip] 2022 대학생 창업 유망팀 300 페스티벌

BOAZ 활동 중 2022 대학생 창업 유망팀 300 페스티벌에 참여하는 plip팀에 합류하여 같이 프로젝트를 진행했습니다. plip은 스마트폰 촬영으로 AI 음식 결제 솔루션 개발을 목적으로 둔 팀이였습니다. 바로가기: http://festival.u300.kr/cms/process/invest/view.asp?c_show_no=71&c_check_no=64&c_relation=809&c_relation2=903&c_team_no=3784&c_festival_type=&s_text=Plip 다음과 같은 모의투자 수치를 달성했습니다, 저희 팀은 AI 비전 키오스크 셀프 결제 매장의 증가를 통해 사업가능성을 확인했습니다. 빵을 잘 나열하면 결제가 잘 이루어지지만 겹쳐있을 때는 빵의 개수를 잘 인식하지 못하..

미니 프로젝트: GAN을 통한 Image Super-Resolution

Image Super-Resolution은 저해상도(LR) 영상/이미지를 고해상도(HR) 영상/이미지로 변환하는 알고리즘입니다. 오늘날에 카메라 기술이 많이 발달하여 굉장히 먼 거리에 있는 물체들도 선명하게 촬영할 수 있게 되었습니다. 하지만 노후화나 비용적인 문제, 주변 환경 등 여러 요인으로 인해 저해상도 이미지들을 쉽게 접할 수 있습니다. 그렇기 때문에 미디어, 의료, 보안 등 다양한 산업 분야에서 Image Super-Resolution은 중요한 문제로 대두되고 있습니다. Image Super-Resolution에 접근하는 방식은 크게 2가지로 나뉩니다. 1. Convolution layer를 사용한 Supervised Learning - 저해상도 이미지로 고해상도 이미지를 예측하는 Supervi..

반응형