본문 바로가기
728x90

YOLO3

AI 산업안전 관제 프로젝트 설계 회고: YOLO·FastAPI·개인정보 보호까지 처음에는 CCTV 화면에 사람과 안전모 박스만 잘 그리면 산업안전 관제가 완성될 줄 알았다. 실제로 카메라 입력, PPE 감지, 얼굴 식별, 넘어짐 감지, 이벤트 저장, React 대시보드를 하나로 연결해 보니 가장 어려운 일은 모델을 돌리는 것이 아니었다. 여러 모델이 쏟아내는 결과를 한 사람의 한 사건으로 정리하고, 운영자가 확인할 수 있는 화면까지 끊기지 않게 전달하는 일이 더 어려웠다.AIVIS는 CCTV 영상에서 안전모·안전조끼 미착용과 넘어짐을 감지하고, 등록된 작업자를 식별해 위험 이벤트·안전 점수·리포트로 이어 주는 4인 팀 프로젝트다. 2025년 9월 29일부터 12월 10일까지 개발했으며, 나는 AI Core를 맡아 얼굴 식별 데이터 파이프라인, PPE 모델 최적화, 포즈 기반 낙상 감.. 2026. 8. 3.
객체 검출 완전정리: OpenCV 에지·템플릿 매칭부터 YOLO·Faster R-CNN까지 사진에서 윤곽선을 찾는 일, 객체의 위치와 종류를 찾는 일, 영상에서 같은 객체의 이동을 이어 보는 일은 서로 다르다. 이미지 처리 → 객체 검출 → 객체 추적을 구분하면 OpenCV의 전통 기법과 YOLO·Faster R-CNN 같은 학습 모델을 어디에 써야 하는지 보인다. 이 글의 목표: Canny·Hough·템플릿 매칭의 역할부터 1단계·2단계 검출 모델, NMS, IoU, 추적 ID까지 실전 영상 파이프라인으로 연결한다. 겹친 상자의 중복 박스를 제거하고 프레임이 바뀌어도 같은 추적 ID를 유지하는 현장 목차 이미지 처리·검출·추적 차이 OpenCV 전통 기법의 역할 학습 기반 검출 모델의 출력 IoU·NMS·정밀도·재현율 .. 2026. 7. 30.
컴퓨터 비전 학습 로드맵: 영상처리·CNN·YOLO·ViT를 한 흐름으로 영상처리를 공부할 때 히스토그램·침식·SIFT를 외운 뒤 곧바로 CNN·YOLO·ViT로 넘어가면 개념이 서로 끊긴다. 그러나 모두 같은 질문을 다룬다. 픽셀에서 필요한 신호를 어떻게 뽑고, 그 신호로 무엇을 판단할 것인가? 이 흐름을 잡으면 전통 영상처리와 딥러닝 시각 모델을 서로 대체 관계가 아닌 도구 상자로 볼 수 있다. 하나의 상황으로 시작하기 공장 카메라에서 안전모를 찾는다고 하자. 밝기 보정과 노이즈 제거는 입력을 안정시키고, 에지와 특징점은 형태를 수치로 바꾼다. CNN은 학습 데이터에서 필요한 특징을 직접 배우고, 검출 모델은 사람과 안전모의 위치를 낸다. ViT는 이미지를 패치 묶음으로 바꿔 멀리 떨어진 영역의 관계까지 본다. 같은 카메라 장면이 전처리·.. 2026. 7. 30.
728x90

티스토리툴바