본문 바로가기

Project

(7)
[Golang] 고랭으로 API서버 구축, 디렉토리 구조 및 라우터 이번 포스팅은 고랭으로 API 서버 구축 시리즈의 1탄으로, 디렉터리 구조 설정 및 Echo 웹 프레임워크 사용 등의 내용입니다:) 환경 구축 Golang 설치 및 사용 soyoung-new-challenge.tistory.com/84?category=893866 [Go] Go 언어 시작하기 (VS Code 사용 및 설치) 이번 포스팅은 GO언어와 vscode 설치에 관한 포스팅입니다. 1. Mac에 VScode 설치 - 아래 홈페이지에 접속해서 Mac 버전의 vscode를 설치 https://code.visualstudio.com Visual Studio Code - Code Editing. Rede.. soyoung-new-challenge.tistory.com > 위 포스팅을 참고하여, Golang..
[Project] DeepLearning 발표자료(OCR, TFserving) 아래 발표자료 PPT는 플레이데이터 데모데이 발표에 사용한 크래커팀의 발표자료입니다. Final Presentation - OCR을 구현하기위해 딥러닝을 사용하여 프로젝트를 진행하였습니다. Index Data Preparation_ENG/KR Transfer Learning Model Flow Deep Learing Model Seglink ( Text Localization ) CRNN ( Text Recognition ) Focal CTC Loss Model Training Model Serving ( TF Serving )
[NLP]자연어처리_감정분석 아래 자연어처리는 네이버 플레이스에서 크롤링한 네이버 블로그리뷰 데이터를 사용하여 진행 Dict 기반 감정분석 - 카테고리를 나누어 그에 해당하는 감정 사전을 만들고, 감정 사전을 기반으로 감정 분석을 진행 https://github.com/haesoly/estimate_review_of_restaurant haesoly/estimate_review_of_restaurant 자연어 처리 기술로 맛집 리뷰 분석하기. Contribute to haesoly/estimate_review_of_restaurant development by creating an account on GitHub. github.com >> 위의 깃을 참고하여 감정분석을 진행하였습니다. >> 나와있는 사전을 기반으로 커스터마이징을 해..
[NLP]자연어처리_키워드추출 아래 자연어처리는 네이버 플레이스에서 크롤링한 네이버 블로그리뷰 데이터를 사용하여 진행 KR-WordRank 키워드 추출 라이브러리 - 비지도학습 방법으로 한국어 텍스트에서 단어/키워드를 자동으로 추출하는 라이브러리. https://github.com/lovit/KR-WordRank lovit/KR-WordRank 비지도학습 방법으로 한국어 텍스트에서 단어/키워드를 자동으로 추출하는 라이브러리입니다. Contribute to lovit/KR-WordRank development by creating an account on GitHub. github.com Keyword extraction process # substring graph를 만들기 위한 변수의 값 설정 - min_c..
[NLP] 자연어처리_예약자리뷰 요약 아래 자연어처리는 네이버 플레이스에서 크롤링한 네이버 예약자리뷰 데이터를 사용하여 진행 Gensim : Python Library 토픽 모델링 라이브러리 - 아래의 홈페이지에 들어가면 튜토리얼과 설치에 대한 내용을 확인 할 수 있으며 자연어처리에 주로 사용. https://radimrehurek.com/gensim/ gensim: topic modelling for humans Efficient topic modelling in Python radimrehurek.com TextRank Summariser - summarization.summarizer : 이 모듈은 텍스트를 요약하는 기능을 제공하며 TextRank 알고리즘의 변형을 사용하여 텍스트 문장의 순위에 기반한 요약 - 여기서 말하는 TextR..
[DL] Seglink + CRNN + Tf_serving 전체 프로세스 전체프로세스 배포 전 디버깅모드로 보는 전체 프로세스 1. 안드로이드에서 이미지를 받는다. 2. 받은 이미지를 Request로 받아 전처리 작업 3. Tf serving에 있는 seglink 모델로 이미지를 보낸다. 4. 모델에서 나온 결과를 디코딩 5. Tf serving에 있는 CRNN 모델로 이미지를 보낸다. 6. 결과로 나온 텍스트를 확인한다. 안드로이드(이미지) > 서버 > TF-serving(seglink) > TF-serving(CRNN) > 결과 (텍스트) # 필요한 라이브러리 로딩 from django.shortcuts import render from django.views.decorators.csrf import csrf_exempt f..
[Project] 크래커 프로젝트 전체 흐름 playdata 교육과정 중 진행한 프로젝트에 대한 전체적인 과정과 상세 설명. (2018.10.22 - 2019. 05.21) 1. 전체적인 프로젝트 흐름 - 이번에 진행하는 프로젝트의 전체적인 흐름도이다. - 크게 보면 안드로이드와, 딥러닝모델(Tf serving), 장고서버와 elastic search를 연결한 프로젝트이다. # 안드로이드 - 사진 촬영해서 서버로 request로 보낸다. 이때 gps를 사용하여 사용자의 위치정보까지 보낸다. - 검색결과를 시각화해서 앱에 보여준다. # 딥러닝 모델 - 사진속 간판의 텍스트를 인식하는 text detection과 text recognition 딥러닝 모델 구현 - 각각 모델을 영어로 우선 학습시킨뒤 Transfer Learning..