| 분류 | 팀 프로젝트 |
| 참여 인원 | 5명 |
| 소속 | IXLAB |
| 개발 기간 | 2021.01. ~ 2021.08. |
| 비고 |
📘 프로젝트 소개
본 연구는 2020년도 경상북도 4차산업혁명 핵심기술개발사업의 지원을 받아 수행한 연구입니다.
개요
Object detection 학습 환경을 GUI로 제공함으로써 누구나 쉽게 접근할 수 있도록 장려하고자 합니다.
오픈소스인 COCO Annotator를 응용하여 제작한 웹 기반 딥러닝 학습 제공 시스템입니다.
흔히 CLI 상으로 제공하는 딥러닝의 API를 GUI 형태로 제공하여 비전 기반 인공지능을 사용하는 데에 우수한 접근성과 편의를 제공합니다.
Object detection 기법에 대한 Data 관리, 학습, 추론, 결과 식별 등, MLOps의 시퀀스를 제공합니다.
연구실에서 제안한 본 프로젝트의 궁극적인 목적은 Few-shot Learning 기법에 편의를 제공하는 것에 있습니다.
개발 환경 & 아키텍처
- Infra:
Docker - AMQP:
RabbitMQ - Frontend:
VueJS - Backend:
PythonFlask - Database:
MongoDB - Object detection:
YoloV5 - Open source:
COCO Annotator
📜 개발 방법
기본 COCO Annotator 기능
- 데이터 어노테이션 툴
- 프로젝트 별 데이터 관리
- 클라이언트가 생성한 어노테이션 레이블 포맷 파일 생성
학습 모델 Pool 개발
- 백엔드에 여러 모델을 등록
- 학습 시 클라이언트가 웹 뷰에서 학습 모델을 직접 선택
- 학습 및 추론
- 클라이언트가 직접 입력한 모델, 하이퍼파라미터 등의 데이터를 RestAPI를 통해 전달
- 학습 요청 시 클라이언트가 선택한 모델에 따른 Label format 변환
- 학습 과정 모니터링
- Socket을 연결하여 실시간 학습 로그를 시각화
학습 결과로 추출된 가중치 파일 관리
- 서버를 통한 실제 파일 등록
MongoDB를 이용한 성능 지표 및 하이퍼파라미터 기록
👪 역할 및 개발 내용
- On-prem 서버 운용 및 관리
Docker를 이용한 인프라 관리Docker-compose릁 통한 MSA 적용
- 기능 추가
- Frontend에서 입력한 하이퍼 파라미터 전달
- Backend에서 추출된 학습 결과를 파일 형태로 전달하기 위한 직렬화 전송 기능 구현
- Backend에서 Socket을 통해 학습 및 추론의 진행도 로그를 웹 뷰에서 실시간으로 식별
💡 개발 경험 및 후기
오픈소스 활용
COCO Annotator, 학습 모델 등의 오픈소스를 결합하여 새로운 시스템 개발하였다. 오픈소스 별 개발 환경이 다르므로 통일하는 작업이 보기보다 매우 어려운 것을 깨달았다.
또한, 오픈 소스를 통해 Server 형태의 COCO Annotator을 분석하면서 스스로가 여전히 부족하다는 것을 인지하였다. 코드 템플릿과 컨벤션이 잘 짜여져 있어 코드를 비교적 쉽게 리뷰할 수 있었다. 추후 프로그램을 개발한다면, 더욱 효율적인 인프라 및 코드 구조를 짜는 것에 집중하고자 한다.
협업 능력 향상
팀원 혹은 본인이 봉착한 난관을 함께 해결하는 능력이 향상하였다. Flask를 통해 기능 간 데이터를 중개하여 시스템에 대한 커뮤니케이션을 제공하였다. 해당 작업을 진행할 때, 중개자는 양 기능의 데이터를 모두 이해해야 한다는 것을 인지하였다. 뿐만 아니라, 지속적으로 소통을 제공하여 기능 간의 데이터를 수송신 할 때 소통을 통해 데이터 구조를 일관화 해야 한다는 것을 인지하였다.