7. 머신러닝

이미지 장의 대부분의 검출기는 특정 대상에 맞춰 사람이 직접 코딩한 것이었습니다 – 블롭 추적을 위해 사람이 직접 조정한 색상 범위, 에지 필터를 위해 사람이 직접 도출한 가중치 패턴, 선 및 원 탐지기를 위한 고정된 기하학적 가정처럼요. 각 알고리즘은 한 종류의 작업만 다루었고, 새 대상을 추가한다는 것은 새 알고리즘을 작성한다는 뜻이었습니다. 머신러닝 은 이 워크플로를 바꿉니다. 대상마다 하나의 알고리즘을 쓰는 대신, 애플리케이션은 학습된 모델 – 많은 예시 이미지를 사용해 데스크톱에서 보드 외부로 생성된 가중치의 스택 – 을 불러와 카메라에서 실행합니다. 얼굴 검출기를 실행하는 동일한 엔진이 손 포즈 추정기, 신체 포즈 추적기, 객체 분류기, 또는 모델이 학습된 그 무엇이든 실행합니다.

ml 모듈은 그 도구 모음입니다. 모든 작업은 단일 Model 객체 위에 구축되는데, 이 객체는 플래시에서 모델 파일을 불러오고, 양자화된 입력 및 출력 텐서를 관리하며, 각 추론을 카메라의 적절한 엔진으로 디스패치하고, 그 결과 텐서를 선택적 후처리기(post-processor) 를 통해 라우팅하여 애플리케이션이 활용할 수 있는 결과 형태 – 상자, 키포인트, 클래스, 또는 모델이 무엇을 위한 것이든 그 형태 – 로 다시 변환합니다.

개념

ml 모듈

추론 파이프라인

추론 엔진

출력 디코딩하기

마무리