주제: 객체 탐지를 통한 결제 자동화 시스템
서비스명: 마트알바
| 팀원 | 역할 |
|---|---|
| 권주명 | 데이터 전처리, 모델링 , ppt(데이터 전처리) |
| 김건형 | 모델링, ppt(하이퍼파라미터튜닝, 결과), 코드 정리 |
| 박상영 | 모델링, ppt(모델), 발표 |
| 양유경 | 데이터 전처리, ppt(데이터 eda) |
| 이준용 | 모델링, ppt(데이터 eda) |
| 조수현 | 데이터 전처리, ppt(평가), ppt 정리(미리캔버스) |
| 최호윤 | 데이터 전처리, ppt(데이터 전처리, 주제 설명), 발표 |
원본 데이터: 서울특별시_상품 표지 이미지 AI 학습 데이터셋
https://www.data.go.kr/data/15081991/fileData.do
데이터 전처리: yolo style에 맞게 bounding box를 변형해주었다. 방법은 아래와 같다.
Object Detection: 이미지나 비디오에서 객체를 식별하고 찾는 컴퓨터 비전 작업
YOLO: 최첨단 실시간 객체 탐지 시스템으로, 빠르고 정확한 데이터 처리 속도를 가진다.
YOLO 모델을 학습하는 방법은 다음 코드와 같이 ultralytics 모듈을 이용하면 매우 간단하다.
from ultralytics import YOLO
import os
import torch
device = 'cuda' if torch.cuda.is_available() else 'cpu'
PATH = '경로'
model = YOLO('yolov8n.pt')
model.train(data=PATH + '/data.yaml', epochs=500,
patience=20, batch=64, imgsz=1024, device=device)
print(len(model.names), model.names)YOLO 모델을 학습한 후 best.pt로 predict를 해 본 결과, 아래 사진과 같이 장바구니의 상품들을 어느정도 식별함을 알 수 있다. (가격은 임의로 설정하였다.)
아쉬운 점:
주어진 훈련 데이터가 상품을 정면으로 찍은 모습 밖에 없었기 때문에 여러 각도에서 촬영한 상품을 잘 인식하지 못했다.
YOLO 모델로 높은 정확도의 모델을 구현하려면 완성도 높은 학습 데이터가 필요하다.
완성도 높은 학습 데이터는 다음과 같다.
https://aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=realm&dataSetSn=64
용량이 700GB가 넘어 학습하는 데 오랜 시간이 걸리겠지만, 시도해봤으면 좋겠다.