딥러닝 기반 YOLOv11을 활용한 혈액 세포 자동 분석 시스템

시스템 개요 본 프로젝트는 현대 의료 진단의 핵심 요소인 혈액 세포 분석을 자동화하기 위해 개발된 종합적인 인공지능 솔루션입니다. 주요 대상은 적혈구(RBC), 백혈구(WBC), 혈소판(Platelets)이며, 이들은 임상 검사에서 중요한 지표로 활용됩니다. 본 시스템은 최신 YOLOv11 기반의 객체 탐지 모델을 사용하여 고정밀도의 실시간 분류를 수행하며, 사용자 친화적인 ...

10월 1일 10:41에 게시됨

송전선로 핵심 설비 식별을 위한 YOLO11-FasterNet 기반 딥러닝 모델 구현

송전선로 설비 탐지의 기술적 도전 과제 전력 시스템의 안정적인 운영을 위해서는 송전선로의 핵심 설비인 애자, 금구류, 방진 단자 등의 상태를 실시간으로 모니터링하는 것이 필수적입니다. 하지만 야외 환경의 복잡한 배경, 조명 변화, 설비의 미세한 크기 차이로 인해 전통적인 영상 처리 방식으로는 한계가 있습니다. 본 아티클에서는 최신 객체 탐지 알고리즘인 YOLO ...

9월 11일 21:57에 게시됨

YOLOv5를 활용한 컨테이너 객체 탐지 및 실시간 추적 구현

다음은 CPU 환경에서 실행한 결과 예시입니다. 사용된 시스템 사양: Windows 10 운영체제 최종 결과 이미지 실제 구현 절차 Anaconda 및 PyCharm 설치 설치가 어려운 경우 검색을 통해 참고하세요. Anaconda 실행 애플리케이션을 시작합니다. 가상 환경 생성 아래 명령어로 Python 3.9 기반의 가상 환경을 생성합니다. conda create -n ...

7월 1일 05:18에 게시됨

목표 검출 모델의 성능 평가를 위한 mAP 계산 방법

이 문서에서는 목표 검출 모델의 정확도를 평가하기 위해 평균 정밀도 (mAP)를 어떻게 계산하는지 설명합니다. mAP는 예측 박스와 실제 박스 간의 일치 정도를 기반으로 점수를 산출하며, 점수가 높을수록 모델의 검출 정확도가 뛰어납니다. 이전에 혼동 행렬, 정확도, 정밀도 및 재현율에 대해 살펴보았습니다. 또한 scikit-learn 라이브러리를 사용해 이 지표들을 계산 ...

6월 17일 20:47에 게시됨