[Vision] object(card) detecting(python, openCV, Yolo v3)

# Project Result : https://youtu.be/Gd_koYoimHM

이는 소프트웨어융합개론수업의 project 일환이다.

# project 선정이유 : 식판이 설거지 공간으로 들어가기 전에 분실물을 미리 인식할 수 있다면, 직원분들이 분실물을 분류하지 않아도 되며 학생들은 물건을 분실 할 위험을 줄일 수 있다. 따라서 영상처리를 공부하여 물체인식을 해보고자 deepLearning 중 Yolo알고리즘을 활용하여 물체를 구별해보기로 하였다.

# project 과정

• 1. 영상처리의 감을 익히고자 openCV를 활용하여 gray scale, blur, approx(approxPolyDP, findContours), contour,,, 등 외곽추출하는 과정을 통해 연습했다.
• 2. 본격적인 object detecting을 위해 crawling, chrome extention(Fatkun)을 사용하여 5000장 가량의 credit card이미지를 얻고 preprocessing(rename(image_(number)), resize(416,416))를 했다.
• 3. 전처리한 데이터 중 쓸모없는 데이터를 삭제하고 이미지내에 card의 위치를 알려주고자 Labeling을 진행했다.
• 4. 그 결과 3000장의 이미지를 얻어 yolo 알고리즘의 최신버전인 yolov3 모델에 학습시켜 결과를 도출하였다.

# project 결과 : 처음하는 과정이니 결과가 좋지 않았다. 원인을 분석해보니 Labeling하는 과정에서

• 1. yolo 알고리즘의 특성상 너무 작게 Labeling된 이미지를 판별하는데 어려움을 겪는다.
• 2. 최소 10000장이상의 데이터가 필요하다고 생각하여 좋은 데이터를 argmentation하기보다 불필요한 card 데이터를 저장했다.(은연 중에 상당부분 가려진 데이터, 전처리과정에서 화질이 깨진 데이터, Illustration으로 만들어진 데이터 등을 학습시켰다.)

 

"project로 하여금 얻은 insight를 바탕으로 다음 프로젝트에서는 더 나은 결과를 얻을 수 있도록 공부해야겠다."