Project10 [낙상 감지 프로젝트] 2025년 2월 23일 (일) _모델 비교 욜로모델과 pose모델을 비교해보려고 했다.둘다 포즈쪽에서는 꽤 높은 정확도를 보이는 점에서 어떤 모델이 더 효율적인지 비교해보는것으로 마무리하려고 한다. ▶ 욜로포즈로 낙상감지했던 코드를 기반으로 미디어파이프 포즈로 낙상감지 시도 import cv2import numpy as npimport mediapipe as mp# MediaPipe Pose 모델 로드mp_pose = mp.solutions.posepose = mp_pose.Pose()# 동영상 경로 설정input_video = '/content/00015_H_A_SY_C5.mp4' # 낙상 동영상# input_video = '/content/00005_H_A_N_C5.mp4' # 비낙상 동영상output_video = '/content/o.. 2025. 2. 23. [낙상 감지 프로젝트] 2025년 2월 22일 (토) _프로젝트 완성 [낙상 감지 프로젝트] 2025년 2월 15일 (토) [낙상 감지 프로젝트] 2025년 2월 15일 (토)https://so-fast.tistory.com/entry/%EB%82%99%EC%83%81-%EA%B0%90%EC%A7%80-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8-2024%EB%85%84-12%EC%9B%94-31%EC%9D%BC%ED%99%94 [낙상 감지 프로젝트] 2024년 12월 31일(화)지난 회의..https://so-fast.tistory.com/entso-fast.tistory.com 지난 미팅 리뷰 1. 시각화를 통해서 중심좌표가 어디로 표시가 되어있는지 확인한다.2. 낙상임에도 불구하고 낙상이라고 감지하지 못하는(정상판별) 클래스를 재확인해본다3. 조.. 2025. 2. 22. [낙상 감지 프로젝트] 2025년 2월 15일 (토) https://so-fast.tistory.com/entry/%EB%82%99%EC%83%81-%EA%B0%90%EC%A7%80-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8-2024%EB%85%84-12%EC%9B%94-31%EC%9D%BC%ED%99%94 [낙상 감지 프로젝트] 2024년 12월 31일(화)지난 회의..https://so-fast.tistory.com/entry/%EB%82%99%EC%83%81-%EA%B0%90%EC%A7%80-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8-2024%EB%85%84-12%EC%9B%94-20%EC%9D%BC%EA%B8%88 전체 요약 12.31(화)- 위 3가지 클래스 정의를 코드로 구현 후so-fast.tis.. 2025. 2. 15. [낙상 감지 프로젝트] 2024년 12월 31일(화) 지난 회의..https://so-fast.tistory.com/entry/%EB%82%99%EC%83%81-%EA%B0%90%EC%A7%80-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8-2024%EB%85%84-12%EC%9B%94-20%EC%9D%BC%EA%B8%88 전체 요약 12.31(화)- 위 3가지 클래스 정의를 코드로 구현 후 영상에서 확인할 수 있도록 시각화해보기- 결론은 성공은 못했기에 1차 지정 및 낙상조건 결정으로 했다.▶ 임계값 1차 지정 및 낙상조건 결정 → 이전에 관절값 데이터를 통해 분석했던 박스플롯을 기준으로 1차 임계값을 지정해 주었다.→ '일반': 0.01보다 느린 속도라면 일반적인 움직임으로 본다.→ '위험': 0.02보다 빠른 속도라면 일반적인 움.. 2024. 12. 31. [낙상 감지 프로젝트] 2024년 12월 20일(금) https://so-fast.tistory.com/entry/%EB%82%99%EC%83%81-%EA%B0%90%EC%A7%80-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8-2024%EB%85%84-12%EC%9B%94-17%EC%9D%BC%ED%99%94?category=1215557 [낙상 감지 프로젝트] 2024년 12월 17일(화)https://so-fast.tistory.com/entry/%EB%82%99%EC%83%81-%EA%B0%90%EC%A7%80-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8-2024%EB%85%84-12%EC%9B%94-16%EC%9D%BC%EC%9B%94 [낙상 감지 프로젝트] 2024년 12월 16일(월)전체 요약 12.16.. 2024. 12. 20. [yolo]욜로활용한 도로 포트홀 구분프로젝트 (2) 포트홀 구분프로젝트(1) https://so-fast.tistory.com/entry/yolo%EC%9A%9C%EB%A1%9C%ED%99%9C%EC%9A%A9%ED%95%9C-%EB%8F%84%EB%A1%9C-%ED%8F%AC%ED%8A%B8%ED%99%80-%EA%B5%AC%EB%B6%84%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8⭐지난시간의 결론이번 실험에서는 정밀도와 mAP가 개선된것을 확인했지만 재현율의 한계로인해 탐지되지 않은 객체가 있었습니다.데이터가 많이 부족했던 탓도 있기때문에 데이터 증강, 에포크 추가 학습을 통해 성능개선을 시도해 볼 계획입니다. ⭐개선사항세부사항1. 데이터 증강 (서치)2. 에포크 70~100으로 늘려서 성능 안정화를 시도해보려고합니다.위처럼 결.. 2024. 12. 18. [낙상 감지 프로젝트] 2024년 12월 17일(화) https://so-fast.tistory.com/entry/%EB%82%99%EC%83%81-%EA%B0%90%EC%A7%80-%ED%94%84%EB%A1%9C%EC%A0%9D%ED%8A%B8-2024%EB%85%84-12%EC%9B%94-16%EC%9D%BC%EC%9B%94 [낙상 감지 프로젝트] 2024년 12월 16일(월)전체 요약 12.16(월) - YOLOv8-pose와 미디어파이프 두가지 모델을 사용하여 낙상감지 프로젝트 구상 - 우선 YOLOv8n-pose로 관절값(코, 양쪽 어깨)을 json파일로 뽑아서 속도 임계값을 so-fast.tistory.com전체 요약 12.17(화) - 처음 잡힌 사람을 기준으로 하기 위해서 트래커를 적용 지난 회의때는 2명으로 잡히는 부분이 있었기.. 2024. 12. 17. [낙상 감지 프로젝트] 2024년 12월 16일(월) 전체 요약 12.16(월) - YOLOv8-pose와 미디어파이프 두가지 모델을 비교하여 낙상감지 프로젝트 구상 - 우선 YOLOv8n-pose로 관절값(코, 양쪽 어깨)을 json파일로 뽑아서 속도 임계값을 구해보려고 함 - 그런데 속도값이 너무 높게나와 시각화를 해보니 - 한 사람에게 바운딩 박스가 2개 잡히고(심지어 틀리게 잡힌것이 conf값이 더 높게 나옴) - 순간 잡히는 정확도가 떨어짐 ➡ json파일 뽑는 코드는 확정됨 🚩현재 이상이 생긴 박스플롯(아래 영상)의 문제 해결 후 위와 다른 박스플롯이 나오면 문제 해결된 것으로 판단예정입니다.yolov8n-pose에서 두 바운딩 박스가 잡히는건 (값을 출력해 봐야겠지만) 한 명만 고정해서 트랙커하는걸로하려고 합니다.YOL.. 2024. 12. 16. [yolo]욜로활용한 도로 포트홀 구분프로젝트 프로젝트 개요* 사진출처: - 구글링, 네이버를 통한 직접수집(커스텀)- pothole 37, nonpothole 37- 반수동 어노테이션 (roboflow) * 데이터 준비:-roboflow를 활용하여 반수동으로 어노테이션 작업 수행- 데이터 증강(grayscale, saturation, Exposure)을 통해 총 352장의 데이터 생성- 데이터 분할 [train 306 // Validation 30 // Test 16] 모델 학습 결과- 사용 모델 : YOLOv8n- 주요 지표 설명 ↓Precision: 탐지한 것 중 올바른 비율(높을수록 오탐지가 적음).Recall: 전체 객체 중 탐지한 비율(높을수록 탐지 성능이 좋음).mAP: 탐지 정확도를 종합적으로 나타냄.Speed: 학습 및 추론 속.. 2024. 12. 16. YOLO의 한계점 실험 및 분석 - 작은객체탐지와 공간적 제약 1. 실험배경 · 목적실험배경 : yolo논문에서 제시된 한계점이 실질적 영향을 확인하고자 하였습니다.목적 : yolo의 한계점인 작은객체 탐지와 공간적 제약을 실험적으로 분석하고 개선 가능성을 탐구해보는것입니다. 2. 실험 목표와 한계점 정의실험에서 확인할 한계점1. 작은객체 탐지가 어렵습니다.=> 작은 객체를 정확히 로컬라이즈하는데 어려움을 느끼며, 근접한 여러 객체를 탐지하는데도 제한이 있습니다. 2. 공간적 제약이 있습니다=> 각 그리드 셀의 2개의 바운딩 박스만 예측하고 한 가지 클래스만 처리할 수 있기때문에 근접한 객체를 탐지하기 어렵습니다. 3. 손실함수의 한계가 있습니다. (이번실험에서는 제외되었음)=> 손실함수는 작은 바운딩 박스와 큰 바운딩박스에서 발생하는 오류를 동일하게 처리하여 .. 2024. 12. 12. 이전 1 다음
