Nam's

지난 6월 25, 26일(금,토)에는 이미지 유사도 측정 모델을 처음으로 구현해봤다. (ML을 도와주기로한 친구와 같이 진행했다.) 우선은 2만5천장의 사진에 모두 Label을 만드는 것이 현실적으로 어렵다고 판단했고, 장기적으로도 Unsupervised Learning이 유지 보수에 유리하다고 판단했다. 가장 먼저 떠오른 아이디어는 Autoencoder의 형태로 모델을 만들어서 추출된 Feature값을 비교하는 방식으로 이미지 유사도를 측정하는 것이었다. 1. Autoencoder Tutorial 먼저, Tensorflow-Keras 공식 Autoencoder tutorial을 보고 아주 간단한 autoencdoer를 만들었다. latent_dim = 64 class Autoencoder(Model):..

화,수,목 3일간 빠르게 웹 클라이언트와 서버를 구현했다. 종강하고 과제, 연구실 일정이 끝나서 속도가 빨라졌다. 생각했던 것 보다 빠르게 결과물이 나왔지만, 어려웠던 부분도 있었다. Lightsail도 처음이고, 웹에서 Flask로 Client와 Server를 분리해본 경험도 없었다. 1. Javascript에서 REST Api 데이터 받기 프론트는 따로 프레임워크를 공부할 시간을 아끼고 싶어서 bootstrap 코드들만 가져와서 구현중이다. 따라서 프레임워크에서 제공하는 REST Api 툴을 사용할 수 없었고, javascript로 직접 받아와야 한다. fetch 라는 내장 함수로 연결과 데이터 수신이 가능하다. 사실 지금은 급한대로 내가 프론트 개발을 하고 있는데, 프론트 개발자의 필요성을 많이 느..

신발 이미지 검색 엔진의 핵심은 "이미지 유사도 측정 모델"이다. 하지만 우선 뭐라도 눈에 보여야 동기부여가 더 될 것 같아서 최소한의 기능만 있는 웹 서버와 클라이언트를 먼저 구현했다. www.shoogle.ml 홈 화면 검색 결과 화면 학기 중에 만들어 두었던 무신사 크롤러를 변형해서 사진 외에 상품 정보들도 긁어오게 만들었다. 약 2만 5천장의 사진 url과 제목, 가격, 브랜드 정보를 기반으로 간단한 검색 엔진을 만들어 두었다. 사진을 클릭하면 무신사 해당 제품 페이지로 연결된다. 현재 UI를 개선하는 것보다는 모델 구현이 더 중요하기 때문에 필수적인 기능만 구현했고, 아직 개선해야될 부분이 많다. 특히 이미지 입력 UI는 당장 뜯어 고치고 싶지만 모델 구현을 위해서 뒤로 미룬다. Server -..

종강했다. 신발검색엔진을 본격적으로 시작하려 한다. 프로젝트 소개를 다시 한번 하자면, 네이버와 구글에서 제공하는 이미지 검색을 '신발'에만 초점을 맞춰서 서비스하면 내가 더 잘할 수 있지 않을까? 라는 생각에서 시작한 신발 이미지 검색 엔진 프로젝트다. Project Stack Server: Flask, Python, MySQL Client: HTML, CSS Model: PyTorch DevOps: AWS Lightsail, git Communication: Notion Github Repository: https://github.com/devnjw/ShoeSearch Project URL: http://3.34.50.182:5000/ Project Preview: 최고의 신발 검색 엔진을 만들겠다는..

결론부터 이야기하면 둘의 속도 차이는 없다. 출처: https://stackoverflow.com/questions/24886/is-there-a-performance-difference-between-i-and-i-in-c i++ 의 경우, i 값이 사용될 수 있기 때문에 복사된 후에 버려진다. 이 과정이 불필요하기 때문에 i++이 느릴 수 있지만, 대부분의 컴파일러는 이 과정을 알아서 최적화해준다.

어떤 모델을 써야할지 아직 감이 잘 안온다. 이미지 유사도 측정하는 모델을 좀 알아봐야겠다. 아래 두 글을 시작으로 더 알아볼 예정이다. 당근마켓 프로필 이미지 유사도 검사: https://medium.com/daangn/이미지-탐지기-쉽게-구현하기-abd967638c8e 스타일 모아 이미지 검색 방법: https://www.comworld.co.kr/news/articleView.html?idxno=50015 모델 학습에 앞서서 두 가지 Feature를 정했다. 디자인과 색상 이미지 전처리 단계에서 1.흑백처리 2.엣지추출을 하면 디자인 학습에 도움이 될 것 같다. 신발 segmentation 을 할 수 있다면 학습에 정말 큰 도움이 될 것 같다. 색상 유사도 측정 결과 신발의 바탕색과 로고와 같은 포..

신발 검색 엔진의 이미지 전처리 과정을 위해서 신발을 찾는 모델이 필요하다. Object Detection을 위해서 OpenCV, YOLO를 설치하고 테스트를 진행했다. 과일, 사람 같이 기본적인 물체는 잘 탐지되는 것 같다. 그런데 예상치 못한 문제가 생겼다. 신발을 못 찾는다.. YOLO에서 학습에 사용하는 COCO dataset과 ImageNet dataset에는 신발 class가 없다. (ImageNet에 러닝화는 있는데 신발은 없다..) YOLO를 customize 해야 될 것 같다. [Code] github: https://github.com/devnjw/ShoeSearch/tree/master/yolo 참고 자료: pysource.com/2019/06/27/yolo-object-detecti..

분명 EC2 Server랑 Local Workbench에서는 RDS에 연결이 되는데,, 이상하게 Local Flask Server에서만 AWS RDS에 연결이 안됐었다. sqlalchemy.exc.OperationalError: (MySQLdb._exceptions.OperationalError) (2003, "Can't connect to MySQL server on ' 구글링 해봐도 보안그룹 문제라고 3306 port를 개방해야된다는 이야기 밖에 안한다... 하지만 3306 port는 RDS 만들자마자 제일 먼저 개방해줬었다. 해결 방법은 DB 인스턴스 수정 -> 추가 연결 구성 에서 찾을 수 있었다. 퍼블릭 엑세스 가능 "예"를 선택해주면 된다. (글 끝까지 읽기) 기본으로 "아니요"가 선택되어 있..