Ani -Time

2022 KT와 함께하는 상명 AI 경진대회은 AI를 활용해 객체검출, 견종분류, 배경제거, 크기추출, 모색 구분등을 통해 유기견의 이미지를 하나의 통합 된 데이터베이스로 구축한다.

이미지, 견종, 위치등의 장소가 입력되면 데이터베이스에서 AI를 활용해 유사도가 가장 높은 객체 정보를 출력한다.

시나리오

구현 기능

0. 데이터 셋 구축

• 출처: 동물 보호 관리 시스템
• 기간: 2022.03.02 022.08.12
• 수집 내용
  1. 정형데이터: 날짜, 장소, 견종, 보호소 정보
  2. 비정형 데이터: 유기견 이미지

1. 객체 탐지

• 제보 받은 영상은 차, 사람 등 다양한 객체가 공존하기 때문에 유기견만 탐지해내는 과정이 필요함
• 사용한 모델: YOLOv5
• 학습 데이터: 25,000장의 고양이와 개의 이미지

input: 제보 받은 영상

output: 영상 내 객체의 종류를 박스로 분류해낸 영상

2. 배경 제거

• 유기견의 정확한 특징 추출을 위해 배경을 제거함
• 사용한 모델: cv2.Canny() - 물체 외곽선 추출 / cv2.grapCut() - 배경 제거

input: 객체 탐지 된 이미지

output: 크기가 추출된 이미지

3. 견종 구분

• 이미지 내의 유기견의 견종을 구분해내는 과정
• 사용한 모델: EfficientNet
• 학습 데이터: 20,581장의 이미지

input: 배경이 제거된 이미지

output: 가장 유사한 상위 3가지 종 추출

4. 모색 구분

• 유기견의 모색을 구분해내는 과정으로, 밝기에 영향을 받지 않는 HSV 색상 채널을 사용
• 사용한 모델: K-means

input: 배경이 제거된 이미지

output: 가장 유사한 상위 5가지의 색상과 비율 벡터를 추출

5. 데이터베이스 구축

• 시스템의 결과를 통합된 데이터베이스로 구축
• MySQL: 정형 데이터 업로드
  

  
  

• AWS 기반 S3: 비정형 데이터 업로드
  

  
  

6. 유사도 분석

7가지 지표로 유사도 분석

# 0에 가까울 수록 일치도가 높다
CORREL : 상관 분석
INTERSECT : 교집합

# 1에 가까울 수록 일치도가 높다
CHISQR: 카이 제곱 검정
BHATTACHARYYA: 바차타야 거리
EMD: EMD

ret = cv2.compareHist(query, histogram, index) 

7. 지도 시각화

• 구별 유기견 현황을 파악하기 위해 지도 상에 시각화
• 사용한 프로그램: QGIS
• input: 수집한 데이터의 구별 유기견 수를 정리한 csv
• output: 웹지도 형태의 구별 단계 구분도
  

  
  

---

기대효과 & 발전 방향

라이센스

위 프로젝트는 KT와 함께하는 상명 AI 경진대회 출품작입니다.