이유명확한 목표 설정: 아웃풋을 먼저 정의함으로써 최종 결과물을 명확히 이해하고, 이를 기준으로 필요한 로직과 인풋을 설계할 수 있습니다.효율적인 로직 개발: 로직을 중심으로 아웃풋과 인풋을 연결함으로써, 중간 과정에서 불필요한 복잡성을 줄이고 효율적인 코드 작성을 유도합니다.유연한 인풋 관리: 인풋을 나중에 정의함으로써, 다양한 데이터 소스나 사용자 입력에 유연하게 대응할 수 있는 설계를 가능하게 합니다. 효과결과 지향적 개발: 아웃풋을 중심으로 설계를 시작하면, 최종 목표에 집중하여 개발을 진행할 수 있어 목표 달성에 더 효과적입니다.디버깅 용이: 로직을 독립적으로 설계하고 검증할 수 있어, 문제 발생 시 로직과 인풋을 분리하여 디버깅할 수 있습니다.재사용성 향상: 로직과 인풋을 모듈화하면, 다른 프..

conceptRTSP : Real-Time Streaming Protocol실시간 응용 프로그램에 적합HTTP 라이브 스트리밍(HLS)이나 동적 적응 스트리밍(DASH)과 같은 다른 스트리밍 프로토콜과는 다르다.HLS와 DASH는 주로 점진적 다운로드를 통해 스트리밍을 구현 output데이터 수집실시간으로 촬영되는 카메라의 프레임을 입력으로 이미지를 저장하고자 한다.인공지능 모델 테스트추가적으로, 인공지능 모델에 해당 프레임을 입력 데이터로 사용해 추론 결과를 볼 수 있다. method해당 내용은 IDIS IP Camera 에 준합니다.IDIS 카메라 사이트에 접속해 해당 카메라 기종 자료 다운로드 페이지에 접근합니다.펌웨어를 설치합니다.install INIT4.6.1.exe.카메라 웹뷰에 접근해 해당 ..

outputyolov8 - ultralytics 를 사용가능한 Jetson Nano차량번호 인식 소프트웨어 (LPR) 를 위한 사전 세팅 methodJetpack4.6 설치 : https://github.com/Qengineering/Jetson-Nano-Ubuntu-20-imageubuntu 20.04python 3.8cuda 10.2cudnn 8.2.1opencv 4.8tensorrt 8.0.1.6pytorch 1.13.0Jetpack : 한번에 yolov8 사용가능한 환경 구성이 가능해 용이하다.작성일 기준으로 cuda 10.2 버전과 호환되는 pytorch 버전 범위가 협소하며, Jetson Nano 에서는 cuda 10.2 버전을 허용한다.Jetson Nano 접속 후,pip install ul..

아웃풋 :현장의 내부망을 외부망으로부터 접속하려는 경우 VPN 을 사용하는 경우가 있다. 이 VPN 을 이용해 외부망으로부터 현장에 있는 엣지 디바이스에 원격으로 접속해보자.메서드 :내부망 환경 :Hardware : Jetson Nano (엣지 디바이스)OS : Jetpack 4.6원격 접속을 위해 ngrok 소프트웨어 설치를 진행한다. 설치 방법 링크 : https://ngrok.com/downloadhttps://dashboard.ngrok.com/cloud-edge/tcp-addresses 에 개인 계정으로 접속한 후, New TCP Address 버튼으로 새주소를 형성한다.예시 ip = 1.tcp.jp.ngrok.io:xxxx 외부망 환경 :Hardware : Lenovo Ideapad 530SO..

precision recall graph 이해 : https://yoonheo91.tistory.com/9 Precision과 Recall에 관하여 안녕하세요. 오늘은 Precision과 Recall에 관하여 이야기해보려고 합니다. 생각날 때마다 찾아보고 또 까먹고를 반복했기 때문에 제대로 한 번 정리해보려고 합니다. Precision과 Recall은 한글로 정밀도 yoonheo91.tistory.com false negative → false 가 negative 를 수식함 = true label 을 의미함 precision & recall 에 대한 이해, 그림 설명 방식이 참신함 : https://blog.naver.com/PostView.nhn?blogId=wideeyed&logNo=221531940..

K-Means : https://needjarvis.tistory.com/719 K-means clustering Python으로 구현하기 K-means 자체에 대해서 아직 이해가 부족하신 분은 예전 포스팅에 자세히 적은 것이 있기 때문에 이전 포스팅을 먼저 보면 될 것 같으며 아래 링크를 확인하면 된다. 클러스터링(Clustering)을 통한 needjarvis.tistory.com euclidean distance 를 사용해 군집 내에서 거리의 최소값을 도출하는 것이 특징