반응형

2023/01/12 2

MediaPipe Hands Python 예제 소스

손의 모양과 움직임을 인식하는 능력은 다양한 기술 영역과 플랫폼에서 사용자 경험을 개선하는 데 중요한 구성 요소가 될 수 있습니다. 예를 들어, 수화 이해 및 손 제스처 제어를 위한 기반을 형성할 수 있으며 증강 현실에서 물리적 세계 위에 디지털 콘텐츠 및 정보를 오버레이할 수도 있습니다. 강력한 실시간 손 인식은 사람들에게 자연스럽게 다가오지만 손은 종종 스스로 또는 서로를 가리고(예: 손가락/손바닥 폐색 및 손 흔들기) 고대비 패턴이 부족하기 때문에 결정적으로 어려운 컴퓨터 비전 작업입니다. MediaPipe Hands는 정확도가 높은 손 및 손가락 추적 솔루션입니다. 기계 학습(ML)을 사용하여 단일 프레임에서 손의 21개 3D 랜드마크를 추출합니다. 주로 강력한 데스크톱 환경에 의존하는 반면, M..

Pytorch 딥러닝 GPU 사용률 올리기

데이터셋 : 30프레임 1초짜리 영상 train 610개 test 153 총 용량 1기가 배치사이즈 2로 한번 학습(Epoch) 하는데 약 7분 총 20번 학습하도록 했는데 그러면 약 140분이 걸립니다.. GPU사용률을 더 올리는 방법을 찾아보고 안된다면 그래픽카드 구매를 고려해봐야겠습니다. 배치 처리 배치(batch) 단위로 데이터를 처리하여 GPU 사용률을 향상시킬 수 있습니다. GPU는 병렬 처리를 지원하므로, 여러 데이터 샘플을 동시에 처리하면 GPU 사용률이 높아집니다. 배치 크기(batch size)를 적절히 설정하여 GPU를 효율적으로 활용할 수 있습니다. num_workers ++ (Multi Process Data Loading) 가장 간단히 해결할 수 있는 방법은 data를 가져오는 ..