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 |
- train data
- 아파치 스파크
- Yolo5 custom dataset
- 스파크
- Swift
- 아파치 카프카
- SPARK
- python
- 내일채움공제만기
- 앱생명주기
- caffemodel
- 얼굴 비식별화
- face blur
- 내채공만기
- Apache Kafka
- YOLO
- 파이썬
- Kafka
- 비식별화
- 준지도학습
- Apache Spark
- opencv
- iOS부트캠프
- Yolo5
- IOS
- SeSAC
- yolov5
- roboflow
- scenedelegate
- 카프카
- Today
- Total
목록YOLO (4)
봉식이와 캔따개
우리집엔 봉식이뿐이지만, 고양이가 고양이를 불러서인지 다묘가정이 더 많은 것 같다. 그래서 다묘가정을 위한... 두,세 마리 고양이를 각각 구분하는 모델을 만들어보고자 하는데 저번처럼 또 roboflow에서 하나하나 바운딩 박스 그릴 생각하니 머리가 아파졌다... 그리고 봉식이 말고 다른 특정 고양이 사진을 어디서 가져와야 할 지도 고민이였는데 전에 caffemodel을 사용해서 face detection을 하고 얼굴이 검출된 프레임만 저장하는 작업을 했었던게 생각났다. 또 yolo의 detect.py 맨 위 주석을 보면 $ python path/to/detect.py --weights yolov5s.pt --source 0 # webcam img.jpg # image vid.mp4 # video pat..
봉식이랑 다른 고양이들을 구분하려면 다른 고양이 사진들도 같이 학습시켜야하는데 완전... 잊어버리고 있었다. 그래서 일단 봉식이만을 인식하는 모델 먼저 만들어보기로 했다. https://blog.roboflow.com/how-to-train-yolov5-on-a-custom-dataset/?ref=ultralytics How to Train YOLOv5 On a Custom Dataset The YOLO family of object detection models grows ever stronger with the introduction of YOLOv5 by Ultralytics. In this post, we will walk through how you can train YOLOv5 to recog..
봉식이를 인식하는 모델을 만들어보기로 했다. 다른 고양이들은 cat으로 인식하고 봉식이는 bongsik으로 인식했으면 좋겠다는 뭐 그런 목표로... 일단 학습시킬 데이터셋이 필요하다. 당연하게도... 사진만 있으면 안되고 바운딩 박스를 직접 그려주어야하는데 https://app.roboflow.com/ Sign in to Roboflow Even if you're not a machine learning expert, you can use Roboflow train a custom, state-of-the-art computer vision model on your own data. app.roboflow.com 위 사이트를 이용했다. ※ workspace를 만들 때 public plan으로 해야 나중에..
이번엔 뜬금없이 영상처리다... 살면서 한번도 안해봤고 해볼거라고 생각도 못했음. 하지만 시키니까 합니다... https://pysource.com/2019/06/27/yolo-object-detection-using-opencv-with-python/ YOLO object detection using Opencv with Python - Pysource We’re going to learn in this tutorial YOLO object detection. Yolo is a deep learning algorythm which came out on may 2016 and it became quickly so popular because it’s so fast compared with the prev..