혼자서 앱 만드는 개발자 함께하는 AI 세상

이미지 학습된 데이터를 이용해서 플러터 앱을 통해 실시간 이미지를 분리하는 작업을 하려면 카메라컨트럴러의 startimageStream 을 이용한다. 기존에 구글링소스를 적용하다 최신 dart(3.0.6) flutter(3.10.6) 버전이랑 맞지 않아서 찾아서 수정하는데 어려움이 있어서 다시 작성해서 올려본다. 카메라컨트럴러 선언 컨트럴러 작동 매핑 아래코드를 통해 실시간으로 이미지가 처리되는것을 알수있다. void _processImageFromStream(CameraImage image) { print(image.planes[0].bytes[0]); _savedImage = image; } 실시간 카메라가 돌아가는 중간 클릭해서 카메라 이미지를 png이미지로 변환 한다. FloatingActionB..

이미지생성형 ai 스테이블 디퓨전으로 간단하게 서비스 해보고 싶은 마음에 구글링를 통해 만들어 보고 있다구글 코랩에서 작업해보고 잘되면 간단히 집에 있는 게이밍 pc돌려서 서비스를 시작 해보고 싶다. 아직 마이봇은 텍스트 기반 생성형 ai 만 지원하고 있어서 이미지 생성 ai 를 적용하면 좋을 것 같다. 작업 환경 우선 코랩에서 설치를 위해 conda 를 쓸수 있도록 인스톨한다. !pip install -q condacolab import condacolab condacolab.install() import sys print(sys.executable) 스테이블 디퓨전 설치 xformers 설치 !conda create -n stable_diffusion python=3.10 !conda activate..

Train pose detection Yolov8 on custom data Yolov8 을 이용한 커스텀 데이터 포스데이터 ​https://www.youtube.com/watch?v=gA5N54IO1ko 관련 git 1 : 영상속 git https://github.com/prinik/AwA-Pose GitHub - prinik/AwA-Pose Contribute to prinik/AwA-Pose development by creating an account on GitHub. github.com ​ 관련 git 2 : 키노트 https://github.com/computervisioneng/pose-detection-keypoints-estimation-yolov8 GitHub - computervis..

텐서플로배우다가 웹에서 서비스가 가능하다고 해서 찾아보던중 tensorflowjs 를 테스트 해보기로 했다. 인용글 보면 [텐서플로우 2.0의 혁신 중 하나가 바로 자바스크립트 구현인 TensorFlow.js다. 필자는 이것이 학습이나 추론 속도를 개선할 것으로 기대하지 않았는데, 웹GL(WebGL) API를 통해 모든 GPU(CUDA GPU뿐만 아니라)를 지원해 실제로 속도 개선 효과가 있다. TensorFlow.js는 여러 백엔드를 지원하지만 활성화는 한 번에 하나만 가능하다. TensorFlow.js Node.js 환경은 설치된 파이썬/C 텐서플로우 빌드를 백엔드로 사용하도록 지원하며, 이를 통해 예를 들어 CUDA와 같은 해당 시스템의 가용 하드웨어 가속을 사용할 수 있다. Node.js용 자바스..

앞으로 진행할 서비스를 테스트 해보았다. 마이봇에서 다양한 ai 컨텐츠를 적용하기 위해 백엔드에서 만들어진 모델을 파이썬 환경에 API로 json 형태로 REST 방식으로 전달할 계획이다. 만들어본 flask 백엔드 소스 import json from flask import Flask, jsonify, request from flask_cors import CORS import keras import base64 from io import BytesIO from PIL import Image import numpy as np import cv2 app = Flask(__name__) CORS(app) # MNIST 학습 모델 https://www.tensorflow.org/tutorials/quickst..

openAI gpt를 이용하여 챗봇형태로 마이봇 서비스하고 있는중에 좀더 재미있는 서비스를 해줄수 없을까 생각중에 컨텐츠를 찾아서 이를 딥러닝 머신러닝을 통해 학습시키고 충분한 알고리즘과 학습데이트를 확보해서 색다른 서비스를 할 수 있을까 하는 고민에서 우선 나자신부터 차근 차근 공부해보기로 했다. 개념파악부터 코랩에서 테스트 해보고 좋은 아이디어를 얻고자 한다. 텐서플로가 그럼 뭘까? 2015년 구글 브레인 팀으로 부터 공개되어 대표적인 딥러닝 머신러닝 라이브러리다. 이전에 파이토치와 비교되는것으로 알고 있는데 지금은 어느정도 비슷한 수준이상을 사용되는것 같다. 현재 2019 텐서플로2 로 업그레이드 되면서 현재는 이를 주로 사용하고 있다. 공부하는 교제가 최근 문서가 아니라 너무 빠른 속도록 변화는 ..