4-3 얼굴인식기반 실시간 교육 플랫폼 개발[KHU Face ID] - 딥러닝서버와 웹서버간의 통신 설계
in AI-Project
![4-3 얼굴인식기반 실시간 교육 플랫폼 개발[KHU Face ID] - 딥러닝서버와 웹서버간의 통신 설계](https://github.com/HwangToeMat/HwangToeMat.github.io/blob/master/AI-Project/image/KHUFACE/3/img0.png?raw=true)
얼굴인식기반 실시간 교육 플랫폼 개발과정 중 백엔드 및 클라우드 설정한다.
Jump to: Navigation
4-2 얼굴인식기반 실시간 교육 플랫폼 개발[KHU Face ID] - 얼굴인식 시스템 설계 및 개선
in AI-Project
![4-2 얼굴인식기반 실시간 교육 플랫폼 개발[KHU Face ID] - 얼굴인식 시스템 설계 및 개선](https://github.com/HwangToeMat/HwangToeMat.github.io/blob/master/AI-Project/image/KHUFACE/2/img0.png?raw=true)
얼굴인식기반 실시간 교육 플랫폼 개발과정 중 얼굴인식 시스템 설계 및 개선한다.
4-1 얼굴인식기반 실시간 교육 플랫폼 개발[KHU Face ID] - 네트워크 설계
in AI-Project
![4-1 얼굴인식기반 실시간 교육 플랫폼 개발[KHU Face ID] - 네트워크 설계](https://github.com/HwangToeMat/HwangToeMat.github.io/blob/master/AI-Project/image/KHUFACE/1/img0.png?raw=true)
얼굴인식기반 실시간 교육 플랫폼 개발과정 중 카메라와 Web을 연결하기 위하여 네트워크를 설계한다.
4-0 얼굴인식기반 실시간 교육 플랫폼 개발[KHU Face ID] - 프로젝트 개요
in AI-Project
![4-0 얼굴인식기반 실시간 교육 플랫폼 개발[KHU Face ID] - 프로젝트 개요](https://github.com/HwangToeMat/HwangToeMat.github.io/blob/master/AI-Project/image/KHUFACE/0/img1.png?raw=true)
얼굴인식기반 실시간 교육 플랫폼 개발 프로젝트를 진행하기 앞서 전체적인 개요와 파이프라인을 설계한다.
[Face Recognition] 2. FaceNet 논문 리뷰
in Paper-Review
![[Face Recognition] 2. FaceNet 논문 리뷰](https://github.com/HwangToeMat/HwangToeMat.github.io/blob/master/Paper-Review/image/FaceNet/img0.jpg?raw=true)
FaceNet - A Unified Embedding for Face Recognition and Clustering을 읽고 논문 주요내용을 정리해본다.
[Face Recognition] 1. MTCNN 논문 리뷰
in Paper-Review
![[Face Recognition] 1. MTCNN 논문 리뷰](https://github.com/HwangToeMat/HwangToeMat.github.io/blob/master/Paper-Review/image/MTCNN/img0.png?raw=true)
MTCNN - Joint Face Detection and Alignment using Multi task Cascaded Convolutional Networks을 읽고 논문 주요내용을 정리해본다.
[LightWeight DL] 2. MobileNets 논문 리뷰
in Paper-Review
![[LightWeight DL] 2. MobileNets 논문 리뷰](https://github.com/HwangToeMat/HwangToeMat.github.io/blob/master/Paper-Review/image/MobileNets/img0.png?raw=true)
MobileNets - MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications을 읽고 논문 주요내용을 정리해본다.
3. 가벼운 Super-Resolution 모델 개발 - Asym VDSR
in AI-Project
Asymmetric convolution을 사용하여 기존의 Super-Resolution 모델들의 특징과 성능을 유지하고 적은 수의 파라미터로 Super-Resolution 문제를 해결한다.
[LightWeight DL] 1. SQUEEZENET 논문 리뷰
in Paper-Review
![[LightWeight DL] 1. SQUEEZENET 논문 리뷰](https://github.com/HwangToeMat/HwangToeMat.github.io/blob/master/Paper-Review/image/SQUEEZENET/img0.png?raw=true)
SQUEEZENET - SQUEEZENET: ALEXNET-LEVEL ACCURACY WITH 50X FEWER PARAMETERS AND <0.5MB MODEL SIZE을 읽고 논문 주요내용을 정리해본다.
2. Football play detection with Tensorflow API
in AI-Project
We used ssdlite_mobilenet_v2_coco[Download Link] to analyze soccer games in real time because we need fast computing speed. But as you can see in the image below, our model(Left) performs very well even though it is a lightweight model.