패스트캠퍼스 챌린지 50일차 - Ch13. 딥러닝 활용: 객체 검출, 포즈 인식

13-3. Mask-RCNN 영역 분할

Mask-RCNN(He et.al., 2017)

    대표적인 객체 영역 분할 딥러닝 알고리즘으로 Faster R-CNN(for object detection) + FCN(for semantic segmentation)을 합쳐 놓은 구조

Mask-RCNN 구조 (출처: FastCampus, He et. al., 2017)

    영역 분할

     객체의 바운딩 박스뿐만 아니라 픽셀 단위 클래스까지 분류하여 객체의 윤곽을 구분할 수 있다.

     Semantic segmentation는 하나의 클래스는 모두 같은 레이블을 사용, Instance segmentation는 객체 단위 다른 레이블을 매긴다.

영역 분할 예제 (출처: A. Ouaknine, Medium, 2018)

    Mask-RCNN 세팅

     1. 모델 파일: 링크

     2. 설정 파일: 링크

GitHub - opencv/opencv_extra: OpenCV extra data

     3. 클래스 이름 파일: coco_90 names (링크)

     4. 추가 파일: frozen_inference_graph.pb, mask_rcnn_inception_v2_coco_2018_01_28.pbtxt 파일

     5. 입력과 출력 

Mask-RCNN 입출력 세팅 및 사용법 (출처: FastCampus)

Mask-RCNN으로 영역 분할 예제 시행 결과 (출처: FastCampus)

---

13-4. OpenPose 포즈 인식

OpenPose(CVPR, 2017)

    카네기 멜론 대학에서 만든 딥러닝 기반 동작 인식 라이브러리

     하나의 영상에 총 135개의 키포인트를 사용하여 사람의 몸, 손, 얼굴, 발과 같은 중요 부분을 연결된 상태로 감지하는 첫번째 실시간 다인 시스템을 대표한다.

     Caffe, OpenCV, C++ 형태로 제공되고 있다. (github 링크)

     OpenPose의 네트워크는 세 가지의 주요 레이어로 구성되어 있다.

OpenPose 네트워크 구조 (출처: arXiv:1812.08008v2)

      학습 데이터의 경우 COCO의 신체 18 부위로 이루어져 있다.

OpenPose 학습 데이터 구조 (출처: FastCampus)

    OpenPose 세팅

     1. 모델 파일: 링크

     2. 설정 파일: 링크

     3. 세부 모델 참고 파일: 링크에서 getModels.bat 파일을 참고 

     4. OpenPose의 입출력 

OpenPose의 입출력 (출처: FastCampus, V.Gupta, LearnOpenCV, 2018)

OpenPose 예제 수행 결과 (출처: FastCampus)

---

인증 타임

길다면 길고 짧다면 짧은 50일의 여정이 오늘부로 마지막이 되었다. 50일 내로 완전 수강을 목표로 했지만 아쉽게도 2개의 강의 정도가 남았으며, 후반에 올수록 내용에 직접 테스트한 내용까지 올리기에는 시간이 모자라서 만약 최종 미션도 하게 된다면 그 시간 전까지 남은 강의를 글로 옮기고, 앞에 썼던 글도 손을 봐야할거 같다. 최종 미션 글을 쓰게 되면 더 많은 후기를 남기게 되겠지만 일단 우여곡절을 거쳐 여기까지 50일동안 하루도 안빼고 글 쓴 자신에게 칭찬 한 마디 남기고 싶다. "너가 해냈어!"

 

13-3. 공부 인증 영상

13-4. 공부 인증 영상

---

#패스트캠퍼스 #패캠챌린지 #직장인인강 #직장인자기계발 #패스트캠퍼스후기 #OpenCV를 활용한 컴퓨터비전과 딥러닝 올인원 패키지 Online

 

패스트캠퍼스(FastCampus) 강의 둘러보러 가기 

↓ ↓ ↓ 

https://bit.ly/37BpXiC

패스트캠퍼스 [직장인 실무교육]

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성되었습니다.

---