- 2023.01 ~ 현재
Class | Images | Instances | mAP |
---|---|---|---|
ALL | 13928 | 18570 | 92.3% |
- 업무영역
-
통계분석 기반 데이터 수집 및 가공 기준 수립
-
통계분석을 통한 데이터 분석 및 데이터 전처리
-
AI 모델학습, 추론, 평가 및 모델 고도화
-
하이퍼 파라미터 튜닝
-
진행 사항 : https://github.com/Ztrillion/object_detection/blob/master/README.md
-
- 업무영억
-
학습모델의 원리를 통해 정제 및 라벨링 기준 수립
-
데이터 전처리
-
max_point 추출 https://github.com/Ztrillion/advancement/tree/master/preprocessing
-
preprocessing https://github.com/Ztrillion/advancement/blob/master/preprocessing/02.preprocessing.py
- pcd 파일과 json파일 매핑에러 해결
- jsno파일 구문 정정을 통해 구문정확성 100%달성
-
유효성 검증 모델
- 사용자 환경구축 편의제공 -> requirements.txt
- 모델 환경 구축 및 CUSTOM MODEL학습 및 테스트
- 검증 지표 mIoU 92%로 목표수치 과달성
-
-
국책과제 수행(인공지능 학습데이터 구축사업_ 융합센서 도로데이터)
-
데이터 정제 및 라벨링 기준 수립
-
데이터 전처리 : SSD 모델 형식에 맞는 형식으로 변환
-
Object detection 모델 학습 및 학습모델의 활용한 시각화
-
수집차량 GPS좌표를 통한 이동경로 시각화
-
모델학습을 위한 json_file merge및 구조 converting
-
File_Merge : jsonfile_merge.ipynb
-
File_Converting : json_xml_conversion.ipynb
-
-
모델 : SSD -> saved_model.pb
-
saved_model.pb
-
image, json 1184EA Traning
-
epochs = 250EA
-
batch size = 8
-
batch_size=8 -> total_loss : 0.13
-
batch_size=4(기본) -> total_loss : 0.1716125 => 0.17
-
-
-
학습모델을 활용한 object_detection 구현 -> ssd_modeling.ipynb
-
수집차량 GPS좌표를 통한 이동경로 시각화 -> folium_test.ipynb
-
-
AR초급과정 _ 지형인식을 통한 객체생성 : 코딩없이 클릭만으로 AR을 제작할 수 있는 교육에 활용
- 강의안PDF : Unity_AR초급강의안.pdf
-
AR중급과정 _ 이미지인식을 통한 캐릭터 커스터마이징
- 강의안PDF : Unity_AR중급강의안.pdf
-
netflix_viewpoint 디렉토리에서 code : Netflix_project김영성_완성.ipynb
ppt : 6조_그알_넷플릭스분석_최종.pdf
-
데이터 수집,정제 및 전처리
-
넷플릭스 재무제표 가공
-
넷플릭스 출시 일자를 통해 변수간 관계 EDA / 년,월,일로 분할해
viewPoint간의 상관관계분석
-
(telco_churn 디렉토리에서 [코드 : 4조_telco최종.ipynb,
PPT : 4조 통신사이탈분석 프로젝트.pptx
-
데이터 전처리 및 EDA
-
머신러닝 모델링
-
팀 코드 통합 및 수정
-
전 모델 최적의 하이퍼 파라미터 튜닝을 통한 모델개선