안녕하세요! 오늘은 국비과정 중간프로젝트 "Meat-A-Eye" 프로젝트를 발표까지 성공적으로 마무리를 하여 정리 블로그를 작성합니다.1. 프로젝트 개요 및 기획 배경온라인 육류 소비가 증가하고 1인 가구 및 자취생이 많아지면서, 소분해둔 고기의 부위(등심, 채끝, 목심 등)를 육안으로 구분하기 어려운 문제가 빈번하게 발생하고 있습니다. 이력 번호를 통해 조회할 수 있지만, 라벨의 작은 숫자를 일일이 입력하는 것은 사용자 경험 측면에서 매우 불편합니다. 또한 부위별 시세를 비교하기 위해 여러 사이트를 전전해야 하는 번거로움도 존재합니다.이러한 일상적인 불편함을 사진 한 장으로 해결하고자 MeatHub 팀(총 5명)은 "고기를 찍으면 부위가 보인다"는 의미를 담아 Meat-A-Eye 프로젝트를 시작했습니다..

PaddleOCR 축산물 이력번호 인식 모델 학습 과정MeatHub 프로젝트 — AI 서버 OCR 엔진 파인튜닝 전체 과정 문서 안녕하세요!오늘은 오랜 앙숙이였던 PaddleOCR에 학습을 성공한 내용 정리와 학습을 통해 OCR 성능을 향상 시킨 내용을 정리해봤습니다.목차프로젝트 개요환경 구성 및 버전 관리데이터 준비 파이프라인 (Step 0–3)사전학습 모델 선정 과정모델 아키텍처 및 학습 설정학습 중 발생한 문제와 해결학습 결과 및 성능추론 파이프라인 (Step 5)프로덕션 통합 (ocr_engine.py)파일 구조 요약1. 프로젝트 개요1-1 목표축산물 이력번호 라벨 이미지에서 이력번호를 자동 인식하는 OCR 모델을 학습시킨다.1-2 인식 대상 패턴유형형식예시국내산 이력번호숫자 12자리0021885..

안녕하세요!오늘은 PaddleOCR에 대한 내용을 정리해볼까 합니다.오픈소스 OCR중에 학습이 가능한 모델인데 블로그 등의 웹서핑을 찾아보면 학습을 성공한 사례는 별로 없는 거 같습니다. 두 달 전 제가 학습을 해보려고 했었는데 그 때도 성능을 올리지 못한채 끝나 아쉬움이 많이 남았습니다. 다른 프로젝트를 팀장으로서 바로 시작하게 되었습니다.이번에도 OCR을 사용하게 되어서 Paddle학습을 팀원들이 맡게 되었습니다. 비전AI는 성능을 매우 개선 시켜 뿌듯했지만 패들을 맡았던 팀원들이 끝내 마치지 못해 제가 백업용으로 로직을 짠 병합 OCR을 사용하게 되었고 발표를 준비중입니다. 그래서 속상한 마음에 다시 알아보고 연구를 해보려고 합니다. 모두가 어렵다고 했고, 학습을 하더라도 성능이 안 좋다고 강사선생..