딥러닝을 이용한 출석관리 계획

스터디 진행

2020년 3월 4일 DMC 탐탐 

출석관리팀:김정민,박승재,최웅준,최영환,한준희

 

프로젝트 구체적인 주제 

구성도

휴대폰 카메라를 통해서 인식한 사진을 기존에 저장되어 있던  

DB와 비교하여 출석을 확인한다. 출석결과는 출석부로 보내진다. 
결과는 웹(사이트)를 통해서 보내진다.

새로운 인물이 동아리에 참석하거나 인식이 올바르지 않을 때는 

데이터를 보충하고 학습을 다시 시켜서 시스템을 유지 보수 가능한

모델을 구현하는 것이 목표이다. 

 

위쪽에 보이는 사진은 개략적인 구성도이다. 

카메라, 웹서버, 데이터 서버로 나뉘어져 있다.

 

 

 

 

시스템 동작을 보여주는 다이어그램 Face database에서는 입력이 제공만 된다. 온라인으로 학습시키면서 자동으로 보수시키고 싶지만 쉽지 않을것으로 판단되어 보류하였다.

목표 기한: 4월 초까지 완성시키고 이후에는 유지보수 

 

프로젝트의  세부 일정과 각 주의 목표

첫주차 목표: 특징추출을 통해서 얼굴의 각 부분을 인식

이주차 목표: 학습한 모델을 가지고 해당 인물을 인식 
삼주차 목표: DB 구성
사주차 목표: 웹 서버 구성
오주차 목표: 웹을 통한 카메라 제어
육주차 목표: 테스트 및 보수

<주요 주제> -- 논의가 필요함 
어떻게 학습시킬것인가 
DB를 어떻게 구성할 것인가 
카메라를 어떻게 서버에 연결할것인가
웹은 어떻게 구축할것인가 (플라스크)

첫주차 진행상황발표(공부한 모델, 논문)
YOLO 사용해야 되는 이유
VGG ALEXNET 둘중 어떤것을 사용할것 인가
특징추출을 어떻게 할것인지 인식을 어떻게 할것인가
free trained 모델
Haar Cascades 분류기

 

edwith 강의를 들어보면서 샴네트워크와 삼중항 손실을 사용하면 좋을것 같다는 생각이 들어서 

샴 네트워크를 이용해볼 생각입니다. 

샴네트워크와 삼중항 손실은 다음 게시글에서 정리해서 올리도록 하겠습니다.

https://docs.google.com/presentation/d/1Bu7VlMSgFCNObxG7OFz7Rwadqrq7PGVcea1b3K6dsM0/edit?usp=sharing

첫 주째 목표