데이터 분석 프로젝트를 진행한 추적24시 팀에서는 아래와 같은 프로젝트를 진행했습니다.
완전 자동결제를 위한 무인점포 이용자 Tracking System 개발
19기 민경원 고려대학교 산업경영공학부
19기 신재욱 연세대학교 산업공학과
19기 이유빈 서울여자대학교 소프트웨어융합학과
19기 최가희 국립공주대학교 산업시스템공학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 이탈리안 BMT 팀에서는 아래와 같은 프로젝트를 진행했습니다.
지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
19기 김보겸 중앙대학교 사회학과
19기 김가경 동덕여자대학교 정보통계학과
19기 김동진 경희대학교 컴퓨터공학과
19기 박재은 숙명여자대학교 컴퓨터과학전공
19기 이재준 명지대학교 융합소프트웨어 데이터테크놀로지전공
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 보아酒 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 감정분석을 통한 전통주 추천 서비스
19기 정은진 한양대학교 ERICA 정보사회미디어학과
19기 강하연 명지대학교 경영정보학과
19기 고건호 고려대학교 통계학과
19기 김진재 중앙대학교 응용통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
데이터 시각화 프로젝트를 진행한 보아져 팀에서는 아래와 같은 프로젝트를 진행했습니다.
에듀테크 기업 바이브온과 함께한 세가지 프로젝트 모음집. 바이브온의 모든 데이터를 기반으로 한 인사이트 도출 과정이 나타난 [Marketing Analysis], 이용자들에게 효과적인 서비스를 제공하기 위한 시각화 서비스 기획안인 [타 생기부 분석 100% 활용하기], 시각화를 넘어 NLP를 통해 선생님의 생기부 작성을 돕는 [Vital-On] 세가지 프로젝트로 이루어져있다.
15기 박대희 이화여자대학교 통계학과
17기 김태현 이화여자대학교 경제학과
17시 박지운 이화여자대학교 통계학과
17기 이수경 성균관대학교 데이터사이언스학과
17기 이한울 고려대학교 사회학과
17기 이준희 고려대학교 통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BAOBAB 팀] : 반려동물 미용업 모바일 서비스 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 BAOBAB 팀에서는 아래와 같은 프로젝트를 진행했습니다.
반려동물 미용업 모바일 서비스 분석
17기 강지민 숙명여자대학교 통계학과
17기 김나연 고려대학교 통계학과
17기 김지윤 성신여자대학교 융합보안공학과
17기 박이정 인하대학교 경영학과
17기 이세영 동덕여자대학교 국제경영/정보통계학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [이탈리안 BMT] : 지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 이탈리안 BMT 팀에서는 아래와 같은 프로젝트를 진행했습니다.
지하철 지연 시간 데이터 분석 및 시각화를 위한 데이터 파이프라인 구축
19기 김보겸 중앙대학교 사회학과
19기 김가경 동덕여자대학교 정보통계학과
19기 김동진 경희대학교 컴퓨터공학과
19기 박재은 숙명여자대학교 컴퓨터과학전공
19기 이재준 명지대학교 융합소프트웨어 데이터테크놀로지전공
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [보아酒] : 리뷰 감정분석을 통한 전통주 추천 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 보아酒 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 감정분석을 통한 전통주 추천 서비스
19기 정은진 한양대학교 ERICA 정보사회미디어학과
19기 강하연 명지대학교 경영정보학과
19기 고건호 고려대학교 통계학과
19기 김진재 중앙대학교 응용통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
데이터 시각화 프로젝트를 진행한 보아져 팀에서는 아래와 같은 프로젝트를 진행했습니다.
에듀테크 기업 바이브온과 함께한 세가지 프로젝트 모음집. 바이브온의 모든 데이터를 기반으로 한 인사이트 도출 과정이 나타난 [Marketing Analysis], 이용자들에게 효과적인 서비스를 제공하기 위한 시각화 서비스 기획안인 [타 생기부 분석 100% 활용하기], 시각화를 넘어 NLP를 통해 선생님의 생기부 작성을 돕는 [Vital-On] 세가지 프로젝트로 이루어져있다.
15기 박대희 이화여자대학교 통계학과
17기 김태현 이화여자대학교 경제학과
17시 박지운 이화여자대학교 통계학과
17기 이수경 성균관대학교 데이터사이언스학과
17기 이한울 고려대학교 사회학과
17기 이준희 고려대학교 통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BAOBAB 팀] : 반려동물 미용업 모바일 서비스 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 BAOBAB 팀에서는 아래와 같은 프로젝트를 진행했습니다.
반려동물 미용업 모바일 서비스 분석
17기 강지민 숙명여자대학교 통계학과
17기 김나연 고려대학교 통계학과
17기 김지윤 성신여자대학교 융합보안공학과
17기 박이정 인하대학교 경영학과
17기 이세영 동덕여자대학교 국제경영/정보통계학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 4부터7 팀에서는 아래와 같은 프로젝트를 진행했습니다.
공방 301 데이터를 활용한 마케팅 방안 제시
19기 김동하 고려대학교 미디어학부
19기 고현서 동덕여자대학교 경영학과
19기 노근혜 이화여자대학교 통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색 BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 YouPlace팀에서는 아래와 같은 프로젝트를 진행했습니다.
<aside>
이젠 검색도 유튜브 시대
제주여행을 계획할 때 브이로그 영상을 많이 참고하실텐데요
수많은 영상들과 영상 속 분산된 명소들을 하나 하나 찾으려 생각하면 막막하지 않으셨나요?
이러한 고민을 갖고 계신 분들을 위해, 유튜브 브이로거들이 찾아간 여행 명소들을 지도에서 한 눈에 파악할 수 있도록 만들었어요
(github : https://github.com/Boaz-Youplace)
16기 엔지니어링 고은서 | 중앙대학교 소프트웨어학부
16기 엔지니어링 류정화 | 성신여자대학교 융합보안공학과
16기 엔지니어링 송경민 | 국민대학교 소프트웨어학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [MarketIN팀] : 디지털 마케팅 헬스체킹 서비스BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 MarketIN팀에서는 아래와 같은 프로젝트를 진행했습니다.
- 작은 가게를 운영하는 경우부터 온라인 쇼핑몰까지 비즈니스 운영 과정에선 수많은 의사 결정이 필요합니다. 데이터를 대시보드 템플릿에 연결하여 질문에 대한 답을 한눈에 찾을 수 있습니다.
- 마켓인을 통해 데이터 기반 비즈니스를 경험해보세요.
16기 강민주 (서울과학기술대학교 산업정보시스템전공)
16기 김서연 (숙명여자대학교 홍보광고학과)
16기 오지원 (세종대학교 경영학과)
16기 윤해림 (세종대학교 경영학과)
16기 임성아 (세종대학교 경영학과)
16기 한주리 (고려대학교 사회학과)
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천BOAZ Bigdata
데이터 분석 프로젝트를 짆애한 쇼미더뮤직 팀에서는 아래와 같은 프로젝트를 진행했습니다.
내 하루의 감정을 통해 노래를 추천받을 수 있다면 얼마나 좋을까?
자연어처리와 추천시스템 기법의 collaboration..
여러분의 감정을 추출하고, 어울리는 노래를 추천해드립니다.
**쇼미더뮤직!**
16기 김양경 건국대학교 기술경영학과
15기 김은선 세종대학교 데이터사이언스학과
16기 유수빈 동덕여자대학교 정보통계학과
16기 이상민 경희대학교 소프트웨어융합학과
16기 조하늘 동덕여자대학교 국제경영학과, 정보통계학과
16기 최 리 건국대학교 응용통계학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [개미야 뭐하니?팀] : 투자자의 반응을 이용한 실시간 등락 예측(feat. 카프카)BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 개미야 뭐하니? 팀에서는 아래와 같은 프로젝트를 진행했습니다.
[Web 발신] 5분 후, 당신이 투자한 주식이 떨어집니다!
실시간으로 내 주식의 등락을 알려주는 ai가 있다?
이것만 있으면 나도 주린이 탈출
개미와 함께하는 최적의 매도 매수 타이밍
지금 이 순간, 내 주식의 미래를 볼 수 있다
(신청: https://github.com/jayleenym/AYOA)
16기 강지수 동덕여자대학교 정보통계학과
16기 김서민 숙명여자대학교 컴퓨터과학과
16기 김윤기 한양대학교 대학원 컴퓨터소프트웨어학과
16기 문예진 서강대학교 경제학과 / 빅데이터 사이언스
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 ztyle 팀에서는 아래와 같은 프로젝트를 진행했습니다.
손그림 의류 검색 서비스
18기 조현정 고려대학교 일반대학원 통계학과
18기 김혜연 고려대학교 통계학과
18기 최유진 숙명여자대학교 소비자경제학과
18기 한상범 경기대학교 컴퓨터공학부
데이터 엔지니어링 프로젝트를 진행한 로깅줍깅 팀에서는 로그 데이터를 수집 및 처리하는 파이프라인을 만들어 각각의 단계에서 일어날 수 있는 상황에 대한 실험을 진행했습니다.
16기 엔지니어링 강하영 동덕여자대학교 정보통계학과
16기 엔지니어링 임태빈 상명대학교 컴퓨터과학과
16기 엔지니어링 지유리 숙명여자대학교 소프트웨어융합학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [코끼리책방 팀] : 사용자 스크랩 내용 기반 도서 추천 BOAZ Bigdata
데이터 분석 프로젝트를 진행한 코끼리책방 팀에서는 아래와 같은 프로젝트를 진행했습니다.
사용자 스크랩 내용 기반 도서 추천
16기 이지혜 이화여자대학교 컴퓨터공학과
17기 권예은 한국항공대학교 컴퓨터공학과
17기 변강준 동국대학교 산업시스템공학과
17기 이현지 이화여자대학교 통계학과
17기 홍지원 국민대학교 AI빅데이터융합경영학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [나만 없어 범고래] : 스니커즈 중심의 리셀 시장 및 플랫폼 KREAM 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 '나만 없어 범고래' 팀에서는 아래와 같은 프로젝트를 진행했습니다.
스니커즈를 중심으로 현재 리셀 트렌드와 리셀 플랫폼 KREAM 을 분석하고, 기업, 서비스 등을 비교해주는 대시보드를 만들었습니다.
18기 강채현 고려대학교 산업경영공학부
17기 김민채 한국외국어대학교 스페인어과
17기 이서영 이화여자대학교 통계학과
18기 백은수 인하대학교 경영학과
18기 이해림 동덕여자대학교 정보통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Stalker 팀] : 감정분석을 통한 MBTI 기반 개인별 투자 성향 분석BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Stalker 팀에서는 아래와 같은 프로젝트를 진행했습니다.
감정분석을 통한 MBTI 기반 개인별 투자 성향 분석
16기 김지원 명지대학교 산업경영공학과
17기 곽윤경 홍익대학교 디자인경영융합학부
17기 김나현 서울대학교 언어학과
17기 유승희 중앙대학교 응용통계학과
17기 조수연 연세대학교 통계데이터사이언스학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 link-us(링커즈) 팀에서는 아래와 같은 프로젝트를 진행했습니다.
링키드(linkid)를 위한 비즈니스 대시보드 제작
19기 정소영 숙명여자대학교 통계학과
19기 유나현 중앙대학교 응용통계학과
19기 이세연 성신여자대학교 빅데이터사이언스전공
19기 정다운 숙명여자대학교 통계학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [COLLABO-AZ] : 고객 세그멘테이션 기반 개인 맞춤형 추천시스템 for 루빗BOAZ Bigdata
데이터 분석 프로젝트를 진행한 COLLABO-AZ 팀에서는 아래와 같은 프로젝트를 진행했습니다.
고객 세그멘테이션 기반 개인 맞춤형 추천시스템 for 루빗
20기 정지혜 이화여자대학교 통계학과
20기 김지민 중앙대학교 응용통계학과
20기 오태연 단국대학교 정보통계학과
20기 최은선 한양대학교 에리카캠퍼스 정보사회미디어학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 SiZoAH 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 기반 의류 사이즈 추천시스템
18기 박태남 고려대학교 산업경영공학과
18기 김주은 성균관대학교 문헌정보학과
18기 문다정 단국대학교 응용통계학과
18기 박희준 명지대학교 산업공학과
코끼리(BOAZ) 사서의 도서 추천 솔루션
: 이 책 내용이 내 취향인데, 비슷한 내용의 책은 어떻게 찾지?’
줄거리를 바탕으로 책을 고르시는 분, 관심 작가의 책을 읽고 싶은 분들께
코끼리 사서가 취향저격 책을 제안해 드립니다.
12기 강호석 고은비 고은지 양태일 이지인 전준수 정해원
[국내 최초 빅데이터 연합동아리 BOAZ]
유튜브 - https://www.youtube.com/channel/UCSniI26A56n2QZ71opJtTUg
페이스북 - https://www.facebook.com/BOAZbigdata
인스타그램 - http://www.instagram.com/boaz_bigdata
블로그 - https://blog.naver.com/boazbigdata
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현BOAZ Bigdata
데이터 분석 프로젝트를 진행한 AutoCar죠 팀에서는 아래와 같은 프로젝트를 진행했습니다.
자율주행 로봇 층간 이동을 위한 인지 기능 구현
18기 강용구 세종대학교 무인이동체공학과
18기 전효진 건국대학교 응용통계학과
18기 백채은 숙명여자대학교 컴퓨터과학전공
18기 이가은 가천대학교 의용생체공학과
18기 이소연 이화여자대학교 일반대학원 통계학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Find Your Style 팀에서는 사용자가 좋아하는 룩의 사진을 올리면 이에 맞는 스타일을 찾아 어울리는 여성 패션 상품을 추천해주는 프로젝트를 진행했습니다.
16기 강하영 동덕여자대학교 정보통계학과
16기 김지수 성신여자대학교 통계학과
16기 남유지 숙명여자대학교 컴퓨터과학전공
15기 김희현 성균관대학교 데이터사이언스융합전공
16기 박은지 숙명여자대학교 소비자경제학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 Catch, Traffic! 팀에서는 아래와 같은 프로젝트를 진행했습니다.
수도권 교통의 혼잡성을 해결하기 위한 방안을 찾는 데이터 파이프라인 구축
18기 김인섭 숭실대학교 산업정보시스템공학과
18기 김재민 국민대학교 AI빅데이터융합경영학과
18기 서은유 동덕여자대학교 정보통계학과
18기 윤정원 숙명여자대학교 소프트웨어융합전공
18기 이현진 서울과학기술대학교 산업정보시스템전공
18기 조은학 명지대학교 융합소프트웨어학부
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [4부터7] : 공방 301 데이터를 활용한 마케팅 방안 제시BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 4부터7 팀에서는 아래와 같은 프로젝트를 진행했습니다.
공방 301 데이터를 활용한 마케팅 방안 제시
19기 김동하 고려대학교 미디어학부
19기 고현서 동덕여자대학교 경영학과
19기 노근혜 이화여자대학교 통계학과
19기 박상윤 가천대학교 경영학부(글로벌경영학)
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [YouPlace 팀] : 카프카와 스파크를 활용한 유튜브 영상 속 제주 명소 검색 BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 YouPlace팀에서는 아래와 같은 프로젝트를 진행했습니다.
<aside>
이젠 검색도 유튜브 시대
제주여행을 계획할 때 브이로그 영상을 많이 참고하실텐데요
수많은 영상들과 영상 속 분산된 명소들을 하나 하나 찾으려 생각하면 막막하지 않으셨나요?
이러한 고민을 갖고 계신 분들을 위해, 유튜브 브이로거들이 찾아간 여행 명소들을 지도에서 한 눈에 파악할 수 있도록 만들었어요
(github : https://github.com/Boaz-Youplace)
16기 엔지니어링 고은서 | 중앙대학교 소프트웨어학부
16기 엔지니어링 류정화 | 성신여자대학교 융합보안공학과
16기 엔지니어링 송경민 | 국민대학교 소프트웨어학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [MarketIN팀] : 디지털 마케팅 헬스체킹 서비스BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 MarketIN팀에서는 아래와 같은 프로젝트를 진행했습니다.
- 작은 가게를 운영하는 경우부터 온라인 쇼핑몰까지 비즈니스 운영 과정에선 수많은 의사 결정이 필요합니다. 데이터를 대시보드 템플릿에 연결하여 질문에 대한 답을 한눈에 찾을 수 있습니다.
- 마켓인을 통해 데이터 기반 비즈니스를 경험해보세요.
16기 강민주 (서울과학기술대학교 산업정보시스템전공)
16기 김서연 (숙명여자대학교 홍보광고학과)
16기 오지원 (세종대학교 경영학과)
16기 윤해림 (세종대학교 경영학과)
16기 임성아 (세종대학교 경영학과)
16기 한주리 (고려대학교 사회학과)
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [쇼미더뮤직 팀] : 텍스트 감정추출을 통한 노래 추천BOAZ Bigdata
데이터 분석 프로젝트를 짆애한 쇼미더뮤직 팀에서는 아래와 같은 프로젝트를 진행했습니다.
내 하루의 감정을 통해 노래를 추천받을 수 있다면 얼마나 좋을까?
자연어처리와 추천시스템 기법의 collaboration..
여러분의 감정을 추출하고, 어울리는 노래를 추천해드립니다.
**쇼미더뮤직!**
16기 김양경 건국대학교 기술경영학과
15기 김은선 세종대학교 데이터사이언스학과
16기 유수빈 동덕여자대학교 정보통계학과
16기 이상민 경희대학교 소프트웨어융합학과
16기 조하늘 동덕여자대학교 국제경영학과, 정보통계학과
16기 최 리 건국대학교 응용통계학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [개미야 뭐하니?팀] : 투자자의 반응을 이용한 실시간 등락 예측(feat. 카프카)BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 개미야 뭐하니? 팀에서는 아래와 같은 프로젝트를 진행했습니다.
[Web 발신] 5분 후, 당신이 투자한 주식이 떨어집니다!
실시간으로 내 주식의 등락을 알려주는 ai가 있다?
이것만 있으면 나도 주린이 탈출
개미와 함께하는 최적의 매도 매수 타이밍
지금 이 순간, 내 주식의 미래를 볼 수 있다
(신청: https://github.com/jayleenym/AYOA)
16기 강지수 동덕여자대학교 정보통계학과
16기 김서민 숙명여자대학교 컴퓨터과학과
16기 김윤기 한양대학교 대학원 컴퓨터소프트웨어학과
16기 문예진 서강대학교 경제학과 / 빅데이터 사이언스
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [ztyle] : 손그림 의류 검색 서비스BOAZ Bigdata
데이터 분석 프로젝트를 진행한 ztyle 팀에서는 아래와 같은 프로젝트를 진행했습니다.
손그림 의류 검색 서비스
18기 조현정 고려대학교 일반대학원 통계학과
18기 김혜연 고려대학교 통계학과
18기 최유진 숙명여자대학교 소비자경제학과
18기 한상범 경기대학교 컴퓨터공학부
데이터 엔지니어링 프로젝트를 진행한 로깅줍깅 팀에서는 로그 데이터를 수집 및 처리하는 파이프라인을 만들어 각각의 단계에서 일어날 수 있는 상황에 대한 실험을 진행했습니다.
16기 엔지니어링 강하영 동덕여자대학교 정보통계학과
16기 엔지니어링 임태빈 상명대학교 컴퓨터과학과
16기 엔지니어링 지유리 숙명여자대학교 소프트웨어융합학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [코끼리책방 팀] : 사용자 스크랩 내용 기반 도서 추천 BOAZ Bigdata
데이터 분석 프로젝트를 진행한 코끼리책방 팀에서는 아래와 같은 프로젝트를 진행했습니다.
사용자 스크랩 내용 기반 도서 추천
16기 이지혜 이화여자대학교 컴퓨터공학과
17기 권예은 한국항공대학교 컴퓨터공학과
17기 변강준 동국대학교 산업시스템공학과
17기 이현지 이화여자대학교 통계학과
17기 홍지원 국민대학교 AI빅데이터융합경영학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [나만 없어 범고래] : 스니커즈 중심의 리셀 시장 및 플랫폼 KREAM 분석BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 '나만 없어 범고래' 팀에서는 아래와 같은 프로젝트를 진행했습니다.
스니커즈를 중심으로 현재 리셀 트렌드와 리셀 플랫폼 KREAM 을 분석하고, 기업, 서비스 등을 비교해주는 대시보드를 만들었습니다.
18기 강채현 고려대학교 산업경영공학부
17기 김민채 한국외국어대학교 스페인어과
17기 이서영 이화여자대학교 통계학과
18기 백은수 인하대학교 경영학과
18기 이해림 동덕여자대학교 정보통계학과
제 16회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Stalker 팀] : 감정분석을 통한 MBTI 기반 개인별 투자 성향 분석BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Stalker 팀에서는 아래와 같은 프로젝트를 진행했습니다.
감정분석을 통한 MBTI 기반 개인별 투자 성향 분석
16기 김지원 명지대학교 산업경영공학과
17기 곽윤경 홍익대학교 디자인경영융합학부
17기 김나현 서울대학교 언어학과
17기 유승희 중앙대학교 응용통계학과
17기 조수연 연세대학교 통계데이터사이언스학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [link-us(링커즈)] : 링키드를 위한 비즈니스 대시보드 제작BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 link-us(링커즈) 팀에서는 아래와 같은 프로젝트를 진행했습니다.
링키드(linkid)를 위한 비즈니스 대시보드 제작
19기 정소영 숙명여자대학교 통계학과
19기 유나현 중앙대학교 응용통계학과
19기 이세연 성신여자대학교 빅데이터사이언스전공
19기 정다운 숙명여자대학교 통계학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [COLLABO-AZ] : 고객 세그멘테이션 기반 개인 맞춤형 추천시스템 for 루빗BOAZ Bigdata
데이터 분석 프로젝트를 진행한 COLLABO-AZ 팀에서는 아래와 같은 프로젝트를 진행했습니다.
고객 세그멘테이션 기반 개인 맞춤형 추천시스템 for 루빗
20기 정지혜 이화여자대학교 통계학과
20기 김지민 중앙대학교 응용통계학과
20기 오태연 단국대학교 정보통계학과
20기 최은선 한양대학교 에리카캠퍼스 정보사회미디어학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SiZoAH] : 리뷰 기반 의류 사이즈 추천시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 SiZoAH 팀에서는 아래와 같은 프로젝트를 진행했습니다.
리뷰 기반 의류 사이즈 추천시스템
18기 박태남 고려대학교 산업경영공학과
18기 김주은 성균관대학교 문헌정보학과
18기 문다정 단국대학교 응용통계학과
18기 박희준 명지대학교 산업공학과
코끼리(BOAZ) 사서의 도서 추천 솔루션
: 이 책 내용이 내 취향인데, 비슷한 내용의 책은 어떻게 찾지?’
줄거리를 바탕으로 책을 고르시는 분, 관심 작가의 책을 읽고 싶은 분들께
코끼리 사서가 취향저격 책을 제안해 드립니다.
12기 강호석 고은비 고은지 양태일 이지인 전준수 정해원
[국내 최초 빅데이터 연합동아리 BOAZ]
유튜브 - https://www.youtube.com/channel/UCSniI26A56n2QZ71opJtTUg
페이스북 - https://www.facebook.com/BOAZbigdata
인스타그램 - http://www.instagram.com/boaz_bigdata
블로그 - https://blog.naver.com/boazbigdata
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [AutoCar죠] : 자율주행 로봇 층간 이동을 위한 인지 기능 구현BOAZ Bigdata
데이터 분석 프로젝트를 진행한 AutoCar죠 팀에서는 아래와 같은 프로젝트를 진행했습니다.
자율주행 로봇 층간 이동을 위한 인지 기능 구현
18기 강용구 세종대학교 무인이동체공학과
18기 전효진 건국대학교 응용통계학과
18기 백채은 숙명여자대학교 컴퓨터과학전공
18기 이가은 가천대학교 의용생체공학과
18기 이소연 이화여자대학교 일반대학원 통계학과
제 15회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Find Your Style 팀] : 사용자 이미지 라벨링을 통한 의류 추천 시스템BOAZ Bigdata
데이터 분석 프로젝트를 진행한 Find Your Style 팀에서는 사용자가 좋아하는 룩의 사진을 올리면 이에 맞는 스타일을 찾아 어울리는 여성 패션 상품을 추천해주는 프로젝트를 진행했습니다.
16기 강하영 동덕여자대학교 정보통계학과
16기 김지수 성신여자대학교 통계학과
16기 남유지 숙명여자대학교 컴퓨터과학전공
15기 김희현 성균관대학교 데이터사이언스융합전공
16기 박은지 숙명여자대학교 소비자경제학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [Catch, Traffic!] : 지하철 혼잡도 및 키워드 분석 데이터 파이프라인 구축BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 Catch, Traffic! 팀에서는 아래와 같은 프로젝트를 진행했습니다.
수도권 교통의 혼잡성을 해결하기 위한 방안을 찾는 데이터 파이프라인 구축
18기 김인섭 숭실대학교 산업정보시스템공학과
18기 김재민 국민대학교 AI빅데이터융합경영학과
18기 서은유 동덕여자대학교 정보통계학과
18기 윤정원 숙명여자대학교 소프트웨어융합전공
18기 이현진 서울과학기술대학교 산업정보시스템전공
18기 조은학 명지대학교 융합소프트웨어학부
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들Doyoung Gwak
iOS에서 머신러닝으로 해결할 수 있는 문제들을 다양한 예시와 함께 소개합니다. 기존에 룰베이스 알고리즘으로는 해결하기 힘들었던 어려운 문제들을 머신러닝이 어떻게 해결할 수 있는지 설명하고, 간단한 코드 예제와 함께 Core ML 사용법을 알려드립니다. 또한 서비스에 사용하는 모델의 경우 어떤 추가적인 고려를 해야하는지도 간략히 소개하고 있습니다.
본 발표에 공유된 대부분의 데모는 https://github.com/motlabs/awesome-ml-demos-with-ios 저장소에 올라가있어, 코드 레벨까지 궁금한 분들께서는 이 저장소를 확인해주세요.
발표영상: https://www.youtube.com/watch?v=zKPB8rnS-EM
제 8회 BOAZ 빅데이터 컨퍼런스 -04 YOLO WOW (You Only Look Once at What yOu Want)BOAZ Bigdata
[제 8회 BOAZ 빅데이터 컨퍼런스]
YOLO라는 유명 Object Detection 모델은 너무 모범생입니다. 모든 것을 보고 모든 것을 탐지합니다. 하지만 세상은 티내는 모범생을 좋아하지않습니다! 다 알면서도 모른척, 필요할 땐 하나에 집중할 수 있는 진짜 모범생 모델로 가꾸어봤습니다. 더 나아가 CCTV와 같은 영상 감시 매체에서,특정 도메인 탐지를 통해 유의미한 감시가 될 가는성을 제시하고 구현하였습니다.
9기 권순찬 박선희 오희령
****국내최초 빅데이터 대학생 연합동아리 BOAZ****
페이스북: https://www.facebook.com/BOAZbigdata/
블로그: http://blog.naver.com/boazbigdata
인스타그램: http://www.instagram.com/boaz_bigdata
- E-commerce BigData Scale AI Journey
- BigData Scale Deep Learning Production System Use Case
- Deep Learning, Cloud PaaS, Microservices, DevOps, etc.
- E-Commerce AI Production System Strategy
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [백발백준] : 백준봇 : 컨테이너 오케스트레이션 기반 백준 문제 추천 봇BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 백발백준 팀에서는 아래와 같은 프로젝트를 진행했습니다.
백준봇 : 컨테이너 오케스트레이션 기반 백준 문제 추천 봇
20기 유하준 한국외국어대학교 산업공학과
20기 안지완 중앙대학교 소프트웨어학과
20기 정태형 경기대학교 응용통계학과
20기 최윤서 숙명여자대학교 일반대학원 통계학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [무드등] : 무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 무드등 팀에서는 아래와 같은 프로젝트를 진행했습니다.
무신사를 활용한 고객 상황에 따른 의류 추천 스타일링 대시보드
20기 이호림 숙명여자대학교 경영학부
20기 노승혜 숙명여자대학교 소비자경제학과
20기 정다인 성신여자대학교 통계학과
20기 홍나연 숭실대학교 정보통계보험수리학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [섬유유연제] : 어글리us! 스마일 Earth! : NLP 기반 프로젝트와 비즈니스 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 섬유유연제 팀에서는 아래와 같은 프로젝트를 진행했습니다.
어글리us! 스마일 Earth! : NLP 기반 프로젝트와 비즈니스 대시보드
20기 정강민 세종대학교 경영학과
20기 김기수 광운대학교 데이터사이언스전공
20기 김세연 이화여자대학교 기후에너지시스템공학전공
20기 윤여빈 성신여자대학교 수리통계데이터사이언스학부
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [SPOAZ] : Spotify 기반 개인화 음악 추천 서비스 프로젝트BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 SPOAZ 팀에서는 아래와 같은 프로젝트를 진행했습니다.
Spotify 기반 개인화 음악 추천 서비스 프로젝트
20기 이해현 서울여자대학교 소프트웨어융합학과
20기 안소유 서울여자대학교 소프트웨어융합학과
20기 임혁 중앙대학교 응용통계학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [다함께 레벨업!] : 학식 예약 서비스 yammi CRM 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 다함께 레벨업! 팀에서는 아래와 같은 프로젝트를 진행했습니다.
학식 예약 서비스 yammi CRM 대시보드
20기 조성배 중앙대학교 공공인재학부
20기 김윤지 숙명여자대학교 경영학부
20기 김지연 연세대학교 심리학과
20기 한은빈 세종대학교 경영학부
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [HAUL의 움직이는 리포트] : 투자성향 기반 주식 추천 및 기업 정보 제공 대시보드BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 HAUL의 움직이는 리포트 팀에서는 아래와 같은 프로젝트를 진행했습니다.
투자성향 기반 주식 추천 및 기업 정보 제공 대시보드
20기 이준희 건국대학교 응용통계학과
20기 김지후 고려대학교 통계학과
19기 김청환 건국대학교 응용통계학과
19기 백지영 한양대학교 경영대학원 비즈니스인포매틱스학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [BEARS] : 이미지 캡셔닝을 통한 이모지 추천 및 해시태그 생성BOAZ Bigdata
데이터 분석 프로젝트를 진행한 BEARS 팀에서는 아래와 같은 프로젝트를 진행했습니다.
이미지 캡셔닝을 통한 이모지 추천 및 해시태그 생성
20기 최영우 인하대학교 중국학과
20기 김주은 성신여자대학교 정보시스템공학과
20기 이시내 한국외국어대학교 바이오메디컬공학과
18기 전혜주 숙명여자대학교 독일언어문화학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [낭만젊음사람] : UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측BOAZ Bigdata
데이터 분석 프로젝트를 진행한 낭만젊음사람 팀에서는 아래와 같은 프로젝트를 진행했습니다.
UDA를 통한 중환자실 급성 호흡곤란 증후군 조기 예측
20기 서동혁 국민대학교 AI빅데이터융합경영학과
20기 권정을 명지대학교 산업경영공학과
20기 정재원 숙명여자대학교 통계학과
20기 황재성 세종대학교 데이터사이언스학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [레시피를 보아즈] : 영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇BOAZ Bigdata
데이터 분석 프로젝트를 진행한 레시피를 보아즈 팀에서는 아래와 같은 프로젝트를 진행했습니다.
영수증 인식 및 대화를 통한 재료 기반 레시피 추천 챗봇
20기 박진영 숙명여자대학교 경영학부
20기 서민진 경희대학교 통계학과
20기 안소유 서울여자대학교 소프트웨어융합학과
20기 윤선영 서울과학기술대학교 데이터사이언스학과
20기 이민선 한국공학대학교 산업경영학과
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [전진 4드론] : RAD(Reinforcement learning method for ...BOAZ Bigdata
데이터 분석 프로젝트를 진행한 전진4드론 팀에서는 아래와 같은 프로젝트를 진행했습니다.
RAD(Reinforcement learning method for Autonomous Drone)
20기 정재준 한양대학교 에리카캠퍼스 프랑스학과
20기 이영현 한양대학교 대학원 인공지능학과
20기 이찬 경희대학교 컴퓨터공학과
20기 정원준 건국대학교 컴퓨터공학부
제 19회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [REC] : 캠핏 데이터를 활용한 캠핑장 추천 시스템 구현BOAZ Bigdata
데이터 분석 프로젝트를 진행한 REC 팀에서는 아래와 같은 프로젝트를 진행했습니다.
캠핏 데이터를 활용한 캠핑장 추천 시스템 구현
20기 김민혜 한양대학교 경영대학원 비즈니스 인포메틱스
20기 송여진 이화여자대학교 휴먼기계바이오공학부
20기 이은효 이화여자대학교 대학원 통계학과
20기 임세은 숙명여자대학교 사회심리학과
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [유쾌한 반란] : Howmuch : 꽃집 관리 서비스BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 유쾌한 반란 팀에서는 아래와 같은 프로젝트를 진행했습니다.
일 단위 화훼 경매 데이터를 화훼소매업자들에게 제공하여 적정가에 사입할 수 있도록 돕는 서비스 기획
19기 송우석 연세대학교 컴퓨터과학과
19기 박선홍 한국외국어대학교 국제통상학과
19기 이 은 홍익대학교 산업공학과
19기 정성윤 국민대학교 경영정보학부
제 18회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [분모자] : 분류 모자이크BOAZ Bigdata
데이터 분석 프로젝트를 진행한 분모자 팀에서는 아래와 같은 프로젝트를 진행했습니다.
로고 자동 감지 및 모자이크 서비스 제안
19기 오효근 건국대학교 일반대학원 기계설계학과
19기 김보겸 중앙대학교 사회학과
19기 송예진 서울여자대학교 소프트웨어융합학과
19기 우아라 서울여자대학교 소프트웨어융합학과
19기 임서현 성균관대학교 글로벌리더학부
데이터 분석 프로젝트를 진행한 뉴진스 팀에서는 아래와 같은 프로젝트를 진행했습니다.
Multi-modal Fake News Detection
19기 장우솔 단국대학교 일반대학원 응용통계학과
19기 김동진 경희대학교 컴퓨터공학과
19기 박명규 한양대학교 ERICA 로봇공학과
19기 성재혁 고려대학교 컴퓨터학과
19기 신은빈 건국대학교 응용통계학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [6시내고양포CAT몬] : Cat Anti-aging Project based Style...BOAZ Bigdata
데이터 분석 프로젝트를 진행한 6시내고양포CAT몬 팀에서는 아래와 같은 프로젝트를 진행했습니다.
Cat Anti-aging Project based StyleGAN2
18기 박규연 국민대학교 소프트웨어학부
18기 김가영 숙명여자대학교 통계학과
18기 서은유 동덕여자대학교 정보통계학과
18기 이기원 고려대학교 식품자원경제학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [중고책나라] : 실시간 데이터를 이용한 Elasticsearch 클러스터 최적화BOAZ Bigdata
데이터 엔지니어링 프로젝트를 진행한 중고책나라 팀에서는 아래와 같은 프로젝트를 진행했습니다.
중고책 실시간 데이터를 활용하여 Elasticsearch Indexing 클러스터 성능 최적화
18기 금나연 숙명여자대학교 IT공학 전공
18기 박규연 국민대학교 소프트웨어학부
18기 김건우 국민대학교 AI빅데이터융합경영학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [으쓱^^] : 기업과 소비자를 위한 ESG 대시보드 & 지속가능경영보고서BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 으쓱^^ 팀에서는 아래와 같은 프로젝트를 진행했습니다.
기업과 소비자를 위한 ESG 대시보드 제작 및 ESG 지속가능경영보고서 작성
18기 김성경 동덕여자대학교 정보통계학과
16기 강혜민 한양대학교 경영학부
18기 권순호 연세대학교 식품영양학과
18기 김다희 서울시립대학교 통계학과
18기 윤주원 서울여자대학교 행정학과
제 17회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [힐링세포들] : MHTI (Mental Health Type Indicator)BOAZ Bigdata
데이터 시각화 프로젝트를 진행한 힐링세포들 팀에서는 아래와 같은 프로젝트를 진행했습니다.
정신건강 정보를 전달하고, 관리할 수 있는 대시보드 제작
18기 최유진 숙명여자대학교 소비자경제학과
18기 김주은 성균관대학교 문헌정보학과
18기 김혜연 고려대학교 통계학과
18기 홍주리 숙명여자대학교 통계학과
18기 황인정 숙명여자대학교 일반대학원 경영학과
4. - 4 -
1.1 AI 무인 매장이란?
[ JUST WALK OUT ]
⚫ 정의
▪ 직원 없이, 인공지능과 센서 및 이미지 분석 기술을 활용하여 매장에서 물건을 들고 나오면 스마트폰을 통해 자동결제까지 이루어지는 매장
매장 앱 실행 입장 쇼핑 퇴장 자동 결제 및 알림
5. - 5 -
▶ AI 무인 점포의 수용 인원 제한의 문제점을 해결하는 것이 관건이지만 쉽지 않은 현황
⚫ AI 무인 매장 도입 배경
1.1 AI 무인 매장이란?
⚫ 국내 AI 무인 점포 현황
카카오 파인더스에이아이
▪ 최대 7명의 움직임을 동시에 추적 가능 (2020년 기준)
▪ 점포 특성상 카메라의 배치와 매대로 인한 가림 현상이 심하게 발생
▪ 평당 두 명의 움직임을 동시에 추적할 수 있음 (2023년 기준)
▪ 구매 이력과 취향을 파악하여 상품을 추천하는 등 최근 유통 업계의 AI 기술 발달
▪ 구매 및 시장 데이터 수집이 용이
▪ 인력 비용 절감
6. Computer Vision RFID Sensor Fusion
▪ 매장한 입장한 고객 식별 및 추적
▪ 매대의 상품 인식
▪ 실시간 재고 및 물류 관리
(with 스마트 선반)
▪ 고객이 제품을 들거나 내려놓는 등의
행위 탐지
- 6 -
1.2 활용 기술
⚫ Just Walk Out Technology
▪ 쇼핑 목록 인식: 자율 주행 센서가 부착된 원형 카메라가 쇼핑 고객의 동선을 따라다니면서 구매 목록을 확인
▪ 구매하지 않은 상품 인식: 고객이 제품을 진열대에서 들어올리는 순간, 가상의 장바구니에 등록하거나 내려놓으면 삭제
▪ 고객 퇴장 인식과 자동 결제 기술: 쇼핑을 마친 고객이 매장을 나가면 구매 결제가 자동 계산
⚫ 상세 기술
7. ▲ 무인 결제 시스템 과정
- 7 -
1.3 프로젝트 목표
⚫ 정확한 무인 결제 시스템 및 기술 – 행동 해석 시스템
▪ 고객의 쇼핑 과정을 관찰해 어떤 상품을 구입하려고 하는지 등을 읽고 자동
계산하는 기술
▪ 많은 사람들이 이동하는 매장 특성을 고려하여 많은 고객 중 각자가 어떤
상품을 구매하는지 정확히 파악하고자, “고객들을 확실히 구분하고 각자
이동을 정확히 추적” 하는 프로젝트 진행
⚫ Multiple Object Tracking (MOT)
▪ 객체들끼리 움직이는 방향이나 위치가 다르면 큰 문제가 없지만 서로의 경로가 겹치거나 같아지게 되면 올바른 Tracking이 이루어지지 않음
▪ ID Switching 은 MOT의 특징 중 하나로, 다양한 개체가 움직일 때 ID의 추적이 변경될 수 있음
▪ 개체의 특성을 정확히 학습시켜 ID 구별의 성능을 높이는 것이 목표
9. 데이터 유형 센서, 이미지 출처 AI HUB
구축년도 / 구축량 2022 / 10.8만 실제 활용한 데이터
▪ ‘성산마트’, ‘토이플러스’ CCTV 영상
▪ 노이즈 이미지 제외한 이미지(png)
약 4만 장 및 바운딩 박스 라벨(txt)
라벨링 유형 라이다 점 군, 바운딩 박스 용도
▪ YOLOv4, YOLOv5 Train 및 Test
▪ DeepSORT Train
데이터 유형 302 Frame, 2327 Frame 영상
출처
유튜브, YOLOv5 및
DeepSORT Github
용도 DeepSORT Test Dataset
- 9 -
2.1 데이터 정의
⚫ 실내 라이다 및 카메라 동기화 영상
⚫ 길거리 보행자 영상 및 실내 마트 CCTV 영상
10. - 10 -
2.1 데이터 정의 (예시)
⚫ 활용한 데이터 ⚫ 제외한 노이즈 데이터
11. ▲ 라이다 레이블 예시
- 11 -
2.2 데이터 수집 및 구축
⚫ 실내 라이다 및 카메라 동기화 영상
▪ 무인 매장의 특성에 적합한 이미지 외에는 삭제
▪ 총 10,970개 데이터 수집
⚫ 데이터 수집 및 구축 방법
▪ 라이다 레이블에서 제공하는 type이 0(보행자)인 경우만 class id로 설정
⚫ 라이다 레이블에서 제공하는 format을 YOLO 레이블 format으로 변경
▪ 라이다 레이블 format:
[ Tracking id, Type, center_x, center_y, width, height, difficulty ]
▪ YOLO 레이블 format:
[ class_id, center_x, center_y, width, height ]
12. - 12 -
2.3 데이터 전처리
⚫ Bounding Box Coordinate : Normalization
▪ 역할: 모델의 이미지 크기와 상관없이 동일한 범위의 좌표 값을 출력
▪ 효과: 모델의 학습과 예측 성능을 향상시키는 데에 도움
⚫ Normalization 방법
▪ 방법: 입력 이미지의 가로, 세로 크기로 나누어 Normalization 수행
▪ width: 1920, height: 1200
▪ 결과: Bounding Box의 x, y 좌표는 0-1 값으로 변경
▶
▲ Normalization 과정 ▲ Normalization 후 결과
14. - 14 -
3.1 Object Detection
⚫ 정의
▪ 기존 CNN: 이미지를 분류(classification)하는 역할을 수행
▪ Object Detection: 이미지 내 객체의 위치를 특정(Localization)하고 그 속성(Classification)을 부여하는 작업
▪ Object Detection = classification + localization (localization이란, 객체로 판단되는 곳에 Bounding Box를 그려주는 것)
예외) 상황에 따라 다양한 속성을 부여해야 하는 경우도 존재
[ Object Classification은 단순히
그림이 개인지 식별하는 작업 ]
[ Object Localization은 개의 위치가
사진에서 어디인지 bounding box로
나타내 주는 작업 ]
▲ Object Classification과 Object Localization 예시 설명
[ Label : CAT ] [ Label : CAT, DOG, DUCK ]
▲ Classification / Object Detection 예시 및 차이
15. Final detection
▲ YOLO Object Detection 원리
S x S grid on input
Bounding boxes + confidence
Class probability map
▲ YOLO Model Architecture
- 15 -
3.1 Object Detection
⚫ YOLO (You Only Look Once)
▪ 정의: 입력된 이미지를 일정 그리드로 분할한 후, 신경망을 통과하여 Bounding Box와 Class 예측을 생성하여 최종 감지 출력을 결정
▪ 장점: 실시간으로 Object Detection이 가능하고 기존의 Faster R-CNN 보다 6배 빠른 속도
▪ 한계점: One-stage Detector로 속도는 빠르지만, 작은 물체나 겹쳐 있는 물체에 대한 성능은 다소 저하
16. - 16 -
3.1 Object Detection
⚫ YOLOv5 – Original, Custom
▪ Original: COCO Dataset을 학습한 기존 YOLOv5 모델, weight 변화 X
▪ Custom: 마켓 Dataset(성산마켓, 토이플러스)으로 학습한 모델, weight 변화 O
▲ 기존 YOLOv5의 Train Dataset ▲ Custom Dataset
[ 성산마켓 ]
[ 토이플러스 ]
17. ▲ DeepSORT Architecture
3.2 Object Tracking
⚫ 정의
▪ 비디오 또는 스트리밍 형태로 연속적인 프레임들이 주어질 때, 물체를 추적(Track)하는 Task
▪ Object Detection의 결과로 각 Bounding Box를 이전 Frame과 비교하여 ID를 매칭
⚫ DeepSORT
▪ 기존 SORT Tracker의 (Detection + Kalman Filter + Hungarian Algorithm) 구조에서 딥러닝 Feature vector을 더한 구조
▪ Kalman filter: 이전 프레임에 등장한 개체를 이용하여 다음 프레임의 개체의 위치를 예측하고 측정
▪ Hungarian Algorithm: 이전 프레임에서 발견된 개체와 다음 프레임에서 발견된 개체의 동일 여부 판별
YOLOv5
[Object Detection] [Multi-Object Tracking]
[Input Video Sequence]
Association Metrics
- 17 -
18. ▲ Road 데이터 ▲ Retail 데이터
- 18 -
3.2 Object Tracking
⚫ DeepSORT – Original, Custom
▪ Original: COCO Dataset을 학습한 기존 YOLOv5 모델, weight 변화 X
▪ Custom: 마켓 Dataset(성산마켓, 토이마켓)으로 구성한 Custom Dataset을 추가적으로 학습한 모델, weight 변화
▶ 앞의 Object Detection 과정을 거친 두 모델에 대해서 각각 Road, Retail 데이터에 대해 각각 Tracking 성능 테스트 진행
26. ▲ 11-point interpolation 수식
- 26 -
5.1 성능 지표 소개
⚫ AP (Average Precision)
▪ 객체 탐지 모델의 성능 평가 지표 중 하나로, Precision – Recall Curve을 기반으로 계산
▪ AP를 계산하는 여러 방법 중, 2010 PASCAL VOC Challenge에서 사용한 11보간법을 사용한다면 일관성 있는 모델 성능 평가를
할 수 있기에 해당 방식을 채택
▪ mAP: 각 class에 대한 AP의 평균을 의미 (이때, class는 ‘Client’만 존재하므로 AP = mAP)
𝑨𝑷𝟏𝟏 =
𝟏
𝟏𝟏
𝑹∈{𝟎,𝟎.𝟏,𝟎.𝟐,…,𝟎.𝟗,𝟏}
𝑷𝒊𝒏𝒕𝒆𝒓𝒑(𝑹)
𝑷𝒊𝒏𝒕𝒆𝒓𝒑 𝑹 = 𝒎𝒂𝒙
෩
𝑹:෩
𝑹≥𝑹
𝑷(෩
𝑹)
27. ▲ IoU 개념 및 수식 도식화
IoU =
Area of Overlap
Area of Intersecton
- 27 -
5.1 성능 지표 소개
⚫ IoU (Intersection over Union)
▪ 모델 객체 검출의 정확도를 평가하는 지표
▪ 어떤 알고리즘의 성능을 전반적으로 파악하기는 좋으나 서로 다른 두 알고리즘의 성능을 정량적으로 비교하기에는 부적절
▪ 일반적으로 IoU Threshold의 변화를 주어서 Precision, Recall을 계산하여 객체 인식 알고리즘 성능 평가 지표로 사용되는 AP
(Average Precision)을 도출하는데 이용
28. Road Retail
YOLOv5_Original 63.3 35.8
YOLOv5_Custom 68.6 24.9
▪ Road 영상의 경우, 새로 학습시킨 모델의 평균 IoU Score가 약 5.3% 높음
▪ Retail 영상의 경우, 새로 학습시킨 모델의 평균 IoU Score가 오히려 약 10.9% 낮음
▶ 활용할 CCTV 영상의 해상도, 화면 사이즈, 그리고 공간 대비 인원수에 따라 성능 차이는 크게 나타날 수 있음
▶ ‘Client’라는 단 하나의 Class에 해당하는 객체를 탐지하는 것에 있어서, 수집한 데이터를 활용했을 때 성능이 향상
mAP (%)
YOLOv5_Original 69.5
YOLOv5_Custom 70.6
5.2 Object Detection
- 28 -
⚫ mAP
5.3 Object Tracking
⚫ IoU
30. ▶ 길거리와 같이 넓고 개방된 공간에 면적 대비 인원이 상대적으로 낮은 경우, 엇갈려 지나가더라도 비교적 정확하게 구별 가능
- 30 -
6.1 한계점 : Road data와 Retail data 비교
⚫ Road Data
31. - 31 -
6.1 한계점 : Road data와 Retail data 비교
⚫ Retail Data
▶ 마트와 같이 면적 대비 이용객의 수가 보다 많은 경우, 위와 같이 엇갈리는 경우 Tracking Number가 바뀐다는 문제점 존재
32. - 32 -
6.1 한계점
⚫ 아쉬운 점
▪ 주 사용 목적인 매장의 경우, 매대 및 고객들에 의해 신체가 일부 가려지는 현상이 빈번하게 발생하여 Detection 자체에 어려움 존재
▪ 무인 점포 완전 자동화를 위해서 정확한 Tracking은 필수임에도 불구하고 Tracking Number가 바뀌는 현상 발생
▪ 컴퓨팅 자원의 한계로 인해 모델 훈련을 완전하게 진행하지 못해 최적의 성능을 도출하지 못했음
▪ 무인 점포 데이터를 얻기 위해 관련 프로젝트를 진행하고 있는 스타트업, 연구원 등에 직접 연락하는 노력을 기울였으나, 보안 상의 이유로
공개된 기존 유인 점포 데이터를 활용
33. - 33 -
6.2 의의 및 발전 가능성
⚫ 의의
▪ 보다 높은 mAP를 찾기 위해 YOLOv4, YOLOv5 등 다양한 모델을 활용하였고, 성능을 비교함
▪ Detection → Tracking 으로 이어지는 과정에서 각각에 해당하는 YOLO, DeepSORT의 모델 구조를 구체적으로 확인 후, 이해하는
과정을 수행
▪ 단순히 객체를 Detection하는 것만이 아닌, Tracking을 통해 각각의 객체에 고유의 Number를 부여하고, 구별해내는 Task가 가능함
⚫ 발전 가능성
▪ 실제로 인원 제한을 두고 있는 무인 점포 특성상, 적절한 수의 이용객은 정확하게 Tracking 할 수 있을 것으로 기대됨
▪ 본 프로젝트에서는 이미지, 영상 데이터만을 활용했지만, RFID를 이용한 스마트 선반, Sensor Fusion을 통해 고객의 행위를 분석 및
탐지해내는 기술을 접목시킨다면 무인 점포 활성화가 가능
▪ 보다 높은 해상도의 CCTV, 사각지대를 최소화할 수 있는 매장 구조가 갖추어진다면, 정확한 Tracking이 가능
34. Reference
▪ arXiv:1506.02640
▪ arXiv:1703.07402
▪ Dirir, Ahmed, et al. “An Advanced Deep Learning Approach for Multi-Object Counting in Urban Vehicular Environments.” Future Internet, vol. 13,
no. 12, Nov. 2021, p. 306. Crossref, https://doi.org/10.3390/fi13120306.
▪ Parekh, Himani S. et al. “A Survey on Object Detection and Tracking Methods.” International Journal of Innovative Research in Computer and
Communication Engineering 2 (2014): 2970-2978. https://api.semanticscholar.org/CorpusID:13836645
▪ https://github.com/ultralytics/yolov5
▪ https://github.com/HowieMa/DeepSORT_YOLOv5_Pytorch
▪ https://iq.opengenus.org/yolov5/
▪ https://byline.network/2023/04/0406-3/
▪ https://gngsn.tistory.com/94
▪ https://ctkim.tistory.com/category/Machine learning/CNN Network
▪ https://mickael-k.tistory.com/26
▪ https://gngsn.tistory.com/94
▪ https://www.waytoliah.com/1491
▪ https://www.youtube.com/watch?v=jxSbu-lDFFs&t=7s
▪ https://aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=realm&dataSetSn=69