2.인공지능/MediaPipe 8

MediaPipe Hand Landmarker를 사용하면 이미지나 동영상에서 손의 21개 주요 지점을 정밀하게 감지할 수 있습니다 MediaPipe Hand Landmarker로 손 랜드마크 감지 : Python 목차 1. MediaPipe Hand Landmarker란? 2. Hand Landmarker 동작방식 3. 설정 옵션 4. Hand Landmarker 테스트 코드 : Python 5. Hand Landmarker 테스트 결과 관련 글 링크 1. MediaPipe Hand Landmarker란?MediaPipe Hand Landmarker는 이미지 또는 실시간 영상 스트림에서 손의 위치를 식별하고 21개의 손가락 관절 포인트(랜드마크)를 추출하는 머신러닝 기반 솔루션입니다.손의 방향(왼손/..

MediaPipe Gesture Recognizer는 손의 제스처를 실시간으로 인식하여 다양한 동작을 제어할 수 있는 강력한 비전 태스크입니다. MediaPipe 손 동작 인식 (Gesture Recognition) 목차 1. Gesture Recognizer란 ? 2. 작동 방식 - 입력과 출력 3. 설정 옵션 4. HandGestureClassifier 구조 분석 5. 사용자 정의 제스쳐 6. 제스쳐 인식 테스트 코드 7. 제스쳐 테스트 결과 관련 글 링크 1. Gesture Recognizer란?MediaPipe Gesture Recognizer는 손 제스처를 인식하는 머신러닝 태스크입니다.손의 위치와 형태를 실시간으로 추적하여 사전 정의된 제스처 또는 사용자 정의 제스처를 분류하고,이를 기반..

MediaPipe의 인터랙티브 세분화 기능은 사용자가 이미지 내의 특정 지점을 클릭하면 해당 위치를 중심으로 객체의 경계를 추정하여 분할 마스크를 생성하는 기능입니다. 이 기능은 단일 이미지, 비디오 파일 또는 실시간 비디오 스트림에서 작동하며, 선택된 객체를 강조 표시하거나 배경을 흐리게 처리하는 등의 효과를 적용할 수 있습니다 MediaPipe Interactive Image Segmenter 사용 : 코드 예시 목차 1. Interactive Image Segmenter 개요 2. Interactive Image Segmenter 구조 3. MagicTouch 모델 4. 예시 코드 기본 구조 5. 예시 1 : 배경은 흐리게, 객체만 선명 6. 예시 2 : 객체를 잘라 배경에 붙여넣기 7. 예시..

MediaPipe의 Hair Segmenter를 활용하면 이미지 속 머리카락을 감지하여 자연스러운 색상 변경 효과를 구현할 수 있습니다.이 글에서는 머리카락을 분리한 뒤 3가지 방식으로 염색 효과를 테스트하며, 가장 자연스럽고 실용적인 리컬러링 기법을 비교합니다. MediaPipe Hair Segmenter로 머리카락 염색 효과 테스트 목차 1. Hair Segmenter 개요 2. LUT란 무엇인가? 3. Hair Segmentation 설정 및 실행 4. 하드 마스크 기반 HSV 색상 변경 5. RGB 소프트 블렌딩(마스크 그대로 사용) 6. RGB 소프트 블렌딩 + 마스크 Blur 관련 글 링크 1. Hair Segmenter 개요머리카락 염색 효과를 시뮬레이션하려면, 먼저 머리카락 영역을 정확..

MediaPipe Image Segmenter의 주요 기능과 실행 모드를 중심으로 이미지 세그멘테이션의 개념과 활용법을 소개합니다.SelfieSegmenter, HairSegmenter, SelfieMulticlass, DeepLab-v3 등 다양한 모델 비교와 Python 코드 예제까지 함께 제공합니다. MediaPipe Image Segmentation 사용하기 : 이미지 분할 목차 1. Image Segmentation이란? 2. MediaPipe Image Segmenter 주요 기능과 옵션 3. ImageSegmenter 실행모드: IMAGE, VIDEO, LIVE_STREAM 4. 기본 제공 모델 종류 및 성능 비교 5. Image Segmentation 사용 예시:Selfie Segmente..

MediaPipe Image Classification의 주요 기능과 실행 모드별 차이를 자세히 설명합니다. MediaPipe Image Classification 사용하기 : 이미지 분류 목차 1. 이미지 분류(Image Classification)란? 2. MediaPipe Image Classifier의 주요 기능과 옵션 3. Image Classifier 실행모드: IMAGE, VIDEO, LIVE_STREAM 4. 기본 제공 모델 성능 비교 (EfficientNet-Lite 시리즈) 5. 커스텀 모델 적용시 요구사항: TFLite + Metadata 6. MediaPipe Image Classifier Python 예시: IMAGE 관련 글 링크 1. 이미지 분류(Image Classifi..

MediaPipe(ver 0.10.24)의 객체 탐지기(Object Detector)를 활용하여 이미지 또는 동영상에서 고양이, 개, 사람, 차량 등 다양한 객체를 감지하는 방법을 소개합니다. MediaPipe Object Detector 사용하기 : 객체탐지 목차 1. 객체감지(Object Detection)란? 2. MediaPipe Object Detector 주요 기능 및 옵션 3. Object Detector 실행모드: IMAGE, VIDEO, LIVE_STREAM 4. Object Detector 모델 종류 및 비교 5. 사용자 정의 모델 요구사항 : TFLite 6. Python 환경 설정 및 기본 코드 작성 7. MediaPipe Object Detector Python 예시: IMAGE ..

MediaPipe 솔루션은 애플리케이션에 인공지능 (AI) 및 머신러닝 (ML) 기법을 빠르게 적용할 수 있는 라이브러리 및 도구 모음을 제공합니다. 이러한 솔루션을 애플리케이션에 즉시 연결하고, 필요에 맞게 맞춤설정하고, 여러 개발 플랫폼에서 사용할 수 있습니다. Google MediaPipe 솔루션 이해하기 목차 1. MediaPipe란? 2. MediaPipe 구성요소와 통합도구 3. MediaPipe Tasks 개요 4. MediaPipe Model Maker를 이용한 재 학습 5. MediaPipe Studio로 실시간 테스트 6. 사용가능한 솔루션 목록 관련 글 링크 1. MediaPipe란?MediaPipe는 Google에서 개발한 멀티모달 AI 프레임워크로, 영상 처리뿐만 아니라 텍스..