MungGu Story

Detecting Human Body Poses in an Image 이미지로부터 사람 신체동작 감지하기 PoseNet 모델을 활용해서 이미지를 분석하고 사람과 그들의 포즈를 알아낼 수 있습니다. Overview 개요 해당 샘플 프로젝트에서는 PoseNet 모델을 사용해서 카메라로부터 얻은 비디오 스트림을 증강하는 방법을 보여줍니다. PoseNet 모델은 17가지의 신체, 관절을 감지합니다. (눈, 귀, 코, 어깨, 엉덩이, 팔꿈치, 무릎, 손목, 발목 등) 집합적으로 해당 관절들은 특정 포즈를 형성하게 됩니다. 샘플 프로젝트에서는 이미지 내 각각의 사람에 대한 17가지 관절 위치를 찾고 그들의 위에 와이어프레임 포즈를 그리게 됩니다. Note : 샘플은 iOS13 버전 이후, iPadOS13 이후의 버..

Create ML CreateML을 통해 앱 내에 사용할 머신러닝 모델(Machine Learning Model)을 만들 수 있습니다. Overview 개요 친숙한 도구인 Swift, macOS playgrounds와 함께 Create ML을 사용할 수 있습니다. Create ML을 통해서 사용자 정의 머신러닝 모델(ML Model)을 만들어 당신의 Mac 상에서 학습시킬 수 있습니다. 당신은 모델을 학습시킨 후 이미지 인식, 텍스트 의미추출, 수치값 사이의 관계 찾기 등의 작업들을 수행할 수 있습니다. 대표 샘플들을 보여줌으로서 패턴을 인식할 수 있도록 모델을 훈련시킬 수 있습니다. 예를들면, 1) 당신은 다른 개들에 많은 이미지들을 보여줌으로서 개를 인식하는 모델을 학습시킬 수 있습니다. 2) 모델 ..

Vision 입력 된 이미지, 비디오에 대한 다양한 작업 수행을 위해 컴퓨터 비전 알고리즘(Computer Vision Algorithms)들을 적용한다. Overview 개요 Vision 프레임워크는 면대면 목표 감지, 텍스트 감지, 바코드인식, 이미지 등록, 일반 기능추척 등을 수행합니다. Vision은 또한 분류, 객체탐지와 같은 작업을 위해 커스텀 CoreML 모델들의 사용을 허용하기도 합니다. 참고문서 링크 ▼ Vision Framework

Vision과 CoreML로 이미지 분류하기 Vision 프레임워크로 사진 전처리를, CoreML 모델로 분류(Classification)를 해보십시오 OverView CoreML 프레임워크와 함께 당신은 입력 데이터 분류를 위한 훈련된 ML(Machine Learning) 모델을 사용할 수 있습니다. Vision 프레임워크는 이미지에 분류모델을 적용하기 위해, ML 작업을 보다 쉽게 신뢰성있게 처리하기위해 사용되며 CoreML과 함께 동작합니다. 해당 샘플 앱은 아래의 예시 스크린샷에서 볼 수 있듯이 1000 여개의 분류 카테고리를 통해 이미지를 식별 할 수 있는 분류모델 중 하나인 MobileNet Model 오픈소스를 사용하고 있습니다. 샘플 앱 미리보기 해당 샘플 앱을 보기 위해 프로젝트를 빌드 ..