1. 가설 검증: 데이터보다 모델의 가능성을 먼저 확인테스트 모델: EfficientNet-B0많은 입문자가 데이터 수집부터 시작하지만, 저희 팀은 '최소 기능 모델(Baseline)'의 성능을 먼저 테스트하기로 했습니다.이유 1 (효율성): 이미 연구용으로 분류된 소량의 데이터가 있었기에 이를 활용해 모델의 학습 가능성을 먼저 타진하고 싶었습니다.이유 2 (디버깅): 데이터가 방대한 상태에서 성능이 안 나오면 '데이터 정제' 문제인지 '모델 구조' 문제인지 파악하기 어렵습니다. 소규모 데이터로 모델의 '학습 메커니즘'을 먼저 이해하고자 했습니다.보통의 AI 학습은 아래와 같은 파이프라인을 거친다.1. 아이디어 정의 → 문제 정의 → 목표, 평가지표 설정2. 데이터 수집 → 데이터 정제 → 데이터 라벨링..

안녕하세요! 제가 진행중인 팀 프로젝트가 있습니다. 기능 중 하나가 고기 부위를 정확하게 분석하는게 목표입니다.사실 정제되어 있는 데이터셋도 너무 찾기 힘들었고, 가능할까? 라는 고민을 했었습니다! 오늘 처음 모델 테스트를 해봤는데, 결과가 너무 놀라울 정도로 좋아서 어떤 구조로 AI가 돌아가는지 궁금해져서 블로그를 작성합니다!🥩AI는 어떻게 고기를 판별할까? EfficientNet-B0와 Grad-CAM 분석 인공지능이 고기 부위를 100%에 가까운 확률로 맞히는 것을 넘어, "어디를 보고 그렇게 판단했는지"를 열지도(Heatmap)로 보여주는 과정은 설명 가능한 AI(Explainable AI, XAI)의 핵심입니다. 'Meat-A-Eye' 프로젝트의 핵심 엔진을 분석해 봅니다.1. Efficien..