라이언 기록

개요 기능 구현을 끝내고 AWS에서 배포하기 위한 셋업 이 포스트에서는 Front-end 과정만 자세한 설명 없이 키워드 위주로 다룸 1. react 앱 빌드 2. 빌드된 앱 S3에 업로드 3. 정적 웹 호스팅을 위한 S3 세팅 4. CloudFront 연결 5. Route53 사용해 도메인 연결 1. react 앱 빌드 터미널 열고 리액트 프로젝트 폴더 들어간 뒤 아래 명령 입력 > 'build' 디렉토리에 결과물 생성됨 npm run build 2. 빌드된 앱 S3에 업로드 - 웹에서 드래그 드랍 또는 - AWS CLI 사용 -> aws s3 sync {'build' 디렉토리 경로} s3://{버킷 이름} --profile={IAM 이름} 3. 정적 웹 호스팅을 위한 S3 세팅 - 버킷 생성시 퍼블릭..

결과물 개요 앞서 커스텀 데이터로 반려동물 식별 후 segmentation 작업을 진행했다. 커스텀 데이터로 Yolo V8 Fine-Tuning 개요 ML 서비스 웹앱 배포 전주기 체험 프로젝트의 일환 데이터셋 수집, 정제, 모델학습 등 여러 작업을 번거롭게 하지 않아도 쉽게 가져와서 쓸수있는 뛰어난 모델들(메타의 SAM)이 많지만 전주 ryanheart.tistory.com 최종 목표인 반려동물 색상 추출 서비스는 배경의 영향을 제거하기 위해 앞서 얻은 학습 모델을 통해 segmentation 진행 후 진행된다. 이후 완성된 기능은 FastAPI로 구현한 API를 통해 엔드포인트에서 사용하게된다. 웹쪽은 잘 몰라서 ChatGPT한테 물어보면서 React로 간단히 꾸렸다. 전체적인 흐름도 1. React..

개요 ML 서비스 웹앱 배포 전주기 체험 프로젝트의 일환 데이터셋 수집, 정제, 모델학습 등 여러 작업을 번거롭게 하지 않아도 쉽게 가져와서 쓸수있는 뛰어난 모델들(메타의 SAM)이 많지만 전주기 체험을 목표로 하는만큼 잘 알려진 Yolo V8과 공개된 데이터셋을 활용해 Fine Tuning을 진행해보았다. 정리하는걸 좋아해서 쉽게 따라할 수 있도록 Colab 문서도 만들어보았다. (데이터셋 다운부터 학습까지) yolo-v8-custom-dataset.ipynb Colaboratory notebook colab.research.google.com 모델 / 데이터셋 소개 모델 - Yolo V8 (Github) Yolo 모델은 너무 유명해서 부가 설명이 필요없다. - 가볍고 빠르면서도 적당한 성능을 뽑아줌 ..

프로젝트 개요 ML 서비스의 웹앱 배포 전주기 체험을 목표로 한다. 처음엔 반려동물(강아지/고양이)의 털 색상 추출 후 이를 통해 강아지의 펄스널 컬러 추천 서비스를 만들려 했다. 색상을 입력하면 펄스널 컬러가 딱 나오는 공식으로 쉽게 구할 수있을줄 알았기 때문. 그러나 그렇게 단순하지 않았다.. (펄스널 컬러 해본적이 없어서 몰랐음) 어느정도의 룰은 있지만 일반적으로 다양한 색의 천을 다 대보면서 (흡사 Brute-force..) 가장 잘 어울리는 색을 주관적으로 고르는 과정을 거쳐 구하는듯 했다. 전주기 체험이 목적인 만큼 복잡한건 잠깐 놓아두고 간단히 털 색 추출까지만 해서 구현하는걸로 결정. 프로젝트 과정 1. Segmentation model 학습 (YoloV8 + 커스텀데이터) 2. 메인 프로..