728x90 반응형 SMALL TensorFlow Lite6 [Object Detection] 안드로이드 TensorFlow Lite를 사용하여 커스텀 객체 탐지 모델 빌드 및 배포 (3) 탐지 프로그램에 피드 이미지 다음 코드를 fun runObjectDetection(bitmap:Bitmap)에 추가한다. 이렇게 하면 이미지가 탐지 프로그램에 전달된다. // Step 3: feed given image to the model and print the detection result val results = detector.detect(image) 완료되면 탐지기는 Detection 목록을 반환하며, 각 목록에는 모델이 이미지에서 발견한 객체에 대한 정보가 포함된다. 각 객체에 대한 설명은 다음과 같다. boundingBox : 이미지 내에서 객체의 존재와 위치를 선언하는 직사각형 categories : 객체의 종류 및 탐지 결과에 대한 모델의 신뢰도이다. 이 모델은 여러 카테고리를 반환하.. 2023. 6. 16. [Object Detection] 안드로이드 TensorFlow Lite를 사용하여 커스텀 객체 탐지 모델 빌드 및 배포 (2) 사전 학습된 TFLite 객체 탐지 모델 TensorFlow Hub에는 사용할 수 있는 몇 가지 객체 탐지 모델 있다. COCO 2017 데이터 세트에서 학습되고 TFLite에 최적화되고 모바일 CPU, GPU의 성능에 맞게 설계된 EfficientDet-Lite 객체 탐지 모델을 다운로드한다. TFLite 작업 라이브러리를 사용하여 선행 학습된 TFLite 모델을 시작 앱에 통합한다. TFLite 작업 라이브러리를 사용하면 모바일에 최적화된 머신러닝 모델을 모바일 앱에 쉽게 통합할 수 있다. 객체 감지, 이미지 분류, 텍스트 분류를 비롯하여 널리 사용되는 머신러닝 사용 사례를 많이 지원합니다. 코드 몇 줄로 TFLite 모델을 로드하고 실행할 수 있다. 모델 추가 안드로이드 프로젝트에서 assets 폴.. 2023. 6. 16. [Object Detection] 안드로이드 TensorFlow Lite를 사용하여 커스텀 객체 탐지 모델 빌드 및 배포 (1) TensorFlow Lite TensorFlow는 자동차, 오렌지와 같은 일반적인 객체를 감지할 수 있는 선행 학습된 모바일 최적화 모델을 제공한다. 단 몇 줄의 코드로 모바일 앱에 선행 학습된 모델을 통합할 수 있다. 하지만 더 뚜렷하고 이례적인 카테고리의 객체를 감지해야 하거나 필요할 수 있다. 자체 학습 이미지를 수집한 다음 자체 객체 감지 모델을 학습시키고 배포해야 한다. TensorFlow Lite는 Android 및 iOS 휴대기기를 비롯한 에지 기기에서 머신러닝 모델을 실행하도록 최적화된 크로스 플랫폼 머신러닝 라이브러리이다. TensorFlow Lite는 ML Kit에서 머신러닝 모델을 실행하는 데 사용되는 핵심 엔진이다. TensorFlow Lite 생태계에는 휴대기기에서 머신러닝 모델을.. 2023. 6. 16. [Android Studio] TensorFlow Lite 숫자 판별 TensorFlow Lite 숫자 판별 tflite 확장자 파일로 변환 (convert)시킨 TensorFlow 학습 결과를 IOT 디바이스에 import 시켜 실시간으로 머신러닝 가능하다. 구글 홈페이지에 언급되는 IOT 디바이스로는 안드로이드나 IOS 스마트폰, 라즈베리파이 보드 및 32비트급 마이크로 콘트롤러 (STM, ESP)를 포함한다. 그 중에서도 스마트 폰은 내부에 이미 카메라, 입출력 디바이스 및 각종 센서를 포함하고 있어 머신러닝을 적용하기에 적합하다. https://github.com/amitshekhariitbhu/Android-TensorFlow-Lite-Example GitHub - amitshekhariitbhu/Android-TensorFlow-Lite-Example: Andr.. 2022. 9. 2. TensorFlow Lite (2) What are the quantization possibilities? TFLite가 모델 양자화를 위해 제공하는 두 가지 옵션이 있다. (i) 훈련 후 양자화 (post-training quantization) : 단순히 모델이 훈련된 후 매개변수의 양자화를 수반한다. (ii) 양자화 인식 훈련 (quantization-aware training) : 훈련 시간 동안 모델을 양자화하는 것을 수반한다. 초기 훈련 전에 네트워크 수정이 필요하고 (가짜 양자화 노드 사용) 나중에 변환이 아닌 훈련을 통해 8비트 가중치를 학습한다. 현재로서는 CNN 아키텍처의 하위 집합에 대해서만 사용할 수 있다. Post-training quantization 훈련 후 양자화는 네트워크를 수정할 필요가 없으므로 이전에 훈.. 2022. 8. 23. TensorFlow Lite (1) What is TensorFlow lite (TFLite)? 배터리와 메모리는 모바일, edge 또는 IoT 장치에 가장 중요한 두 가지 리소스이다. 클라우드나 사내 서버에 비해 제한된 양으로 제공된다. 딥러닝 (DL) 기반 훈련된 모델을 직접 배포하면 리소스가 부족하기 때문에 작동하지 않는다. 따라서, 이러한 장치에 대한 DL 모델 기반 추론은 모델의 다음 특성을 고려해야 한다. (i) 메모리를 절약하려면 크기가 더 작아야 한다. (ii) 배터리 수명을 절약하기 위해 적은 에너지를 소비해야 하고 (iii) 사용자가 모델이 즉시 반응한다고 느낄 수 있도록 낮은 대기 시간 또는 높은 추론 시간을 가져야 한다. 요컨대, 모바일 및 에지 장치에 배포하기 위해 메모리, 에너지 및 프로세서 사용량에 대해 모델을 .. 2022. 8. 23. 이전 1 다음 728x90 반응형 LIST
