JAEJAE imojeomo

2024.06.19 - [인공지능(AI)] - MediaPipe Holistic을 활용한 모션 인식 및 JSON 파일 추출지난 블로그 포스팅에서는 MediaPipe Holistic을 활용해 이미지에서 모션을 인식하는 방법을 다뤘습니다. MediaPipe Holistic은 Google에서 제공하는 강력한 도구로, 이미지에서 신체, 얼굴, 손의 랜드마크를 쉽게 캡처하고 분석할 수 있습니다. 이번 포스팅에서는 이를 한 단계 더 나아가 실시간 웹캠 모션 인식에 활용하는 방법을 소개하겠습니다.0. 사전 준비1. 라이브러리 및 유틸리티 설정2. 랜드마크 데이터 추출 함수3. 디렉토리 설정4. 웹캠에서 프레임 캡처 및 처리5. 랜드마크 데이터 처리 및 저장6. 이미지에 랜드마크 그리기 및 저장7. 종료 처리8. 결과..

이번 포스팅에서는 MediaPipe Holistic을 활용하여 모션 인식을 하고, 이미지에서 추출한 랜드마크 데이터를 JSON 파일로 저장하는 방법을 단계별로 설명하겠습니다.1. 라이브러리 임포트 및 MediaPipe 초기화2. 이미지 파일 목록 및 랜드마크 데이터 리스트 설정3. 랜드마크 데이터 추출 함수 정의4. MediaPipe Holistic을 사용하여 이미지 처리5. 감지된 랜드마크 데이터 추출 및 저장6. 이미지에 랜드마크 주석 추가7. 랜드마크 데이터를 JSON 파일로 저장8. 결과9. 참고1. 라이브러리 임포트 및 MediaPipe 초기화먼저 필요한 라이브러리를 임포트하고, MediaPipe Holistic과 그리기 유틸리티를 초기화합니다.import cv2import mediapipe a..

이번 포스트에서는 PyTorch를 이용해 간단한 CNN 모델을 구축하고, 이를 통해 사자와 호랑이 이미지를 분류하는 방법을 알아보겠습니다. 데이터셋 로드부터 모델 학습, 평가까지의 전체 과정을 자세히 설명하겠습니다.1. 데이터셋 준비2. 데이터셋 클래스 정의3. 데이터 변환 설정4. 데이터셋 분할 및 데이터 로더 생성5. 간단한 CNN 모델 정의6. 모델 학습 및 검증7. 테스트 데이터 평가8. 학습 및 검증 손실, 정확도 시각화9. 테스트 결과 시각화10. 결과1. 데이터셋 준비먼저, 이미지 경로를 불러오고, 각 이미지를 레이블링합니다. 사자는 0, 호랑이는 1로 라벨을 지정합니다.import globlion_image_paths = glob.glob('/mnt/lion/*.jpg')tiger_imag..

목차 2.1 널값 및 의사코드 규약 2.2 왜 추상화 계층을 만드는가? 2.3 코드의 계층 2.4 마이크로서비스는 어떤가? 요약 2장은 다음과 같은 내용을 다룬다. 깔끔한 추상화 게층을 통해 하위 문제로 세분화하는 방법 추상화 계층이 코드 품질의 요소를 달성하는 데 어떻게 도움이 되는지 API 및 구현 세부 사항 함수, 클래스 및 인터페이스를 사용해 코드를 추상화 계층으로 나누는 방법 2.1 널값 및 의사코드 규약 많은 프로그래밍 언어에는 값(또는 참조/포인터)이 없다는 개념을 가지고 있다. 이 개념을 표현하기 위해 프로그래밍 언어는 널null값을 사용한다. 하지만 널값은 너무 많은 장단점이 있다. 값이 제공되지 않거나 함수가 원하는 결과를 반환할 수 없는 경우가 자주 발생하기 때문에 "값이 없다" 또는..

목차 3.1 타입을 이야기하다 3.2 타입의 가나다 3.3 마치며 3장에서는 타입스크립트에서 이용할 수 있는 타입을 살펴보고, 각각의 타입으로 무엇을 할 수 있는지를 다루고 있다. 3.1 타입을 이야기하다 타입스크립트는 특정 타입만 와야 할 때 이를 명시할 수 있는 언어다. 3.2 타입의 가나다 타입스크립트가 지원하는 각각의 타입을 살펴보며 각 타입이 무엇을 포함할 수 있는지, 어떤 동작을 수행할 수 있는지를 살펴보자. 타입 별칭(type alias), 유니온 타입(union type), 인터섹션 타입(intersection type) 등 여러 가지 언어 기능도 확인한다. 3.2.1 any any로는 뭐든지 할 수 있지만 꼭 필요한 상황이 아니라면 사용하지 않는 것이 좋다. 타입스크립트에서는 컴파일 타임..