요약
Machine Learning eXchange(https://ml-exchange.org/models/)는 데이터 과학 경험이 없는 애플리케이션 개발자가 사전 구축된 기계 학습 모델에 쉽게 액세스할 수 있도록 했습니다. 이 코드 패턴은 간단한 웹 애플리케이션을 생성하여 MAX 모델의 텍스트 출력을 시각화하는 방법을 보여줍니다. 웹 앱은 다음을 사용합니다. 물체 감지기 MAX에서 이미지의 감지된 개체 주위에 경계 상자를 표시하는 간단한 웹 UI를 생성하고 모델에서 제공하는 레이블 및 가능한 정확도를 기반으로 개체를 필터링할 수 있습니다.
상품 설명
이 코드 패턴은 오픈 소스 딥 러닝 모델을 찾고 실험할 수 있는 교환인 Model Asset eXchange의 모델 중 하나를 사용합니다. 특히 객체 감지기를 사용하여 이미지의 객체를 인식하고 감지된 레이블 및 예측 정확도를 기반으로 객체를 필터링할 수 있는 웹 애플리케이션을 생성합니다. 웹 애플리케이션은 Express를 사용하는 경량 Node.js 서버가 지원하는 대화형 사용자 인터페이스를 제공합니다. 서버는 클라이언트측 웹 UI를 호스팅하고 웹 UI에서 모델에 대한 API 호출을 모델의 REST 끝점으로 릴레이합니다. 웹 UI는 이미지를 가져와서 서버를 통해 모델 REST 끝점으로 보내고 감지된 개체를 UI에 표시합니다. 모델의 REST 끝점은 MAX에서 제공되는 Docker 이미지를 사용하여 설정됩니다. 웹 UI는 경계 상자와 레이블을 사용하여 감지된 개체를 이미지에 표시하고 레이블 또는 예측 정확도에 대한 임계값을 기준으로 감지된 개체를 필터링하는 도구 모음을 포함합니다.
이 코드 패턴을 완료하면 다음을 수행하는 방법을 이해합니다.
- Object Detector MAX 모델의 Docker 이미지 빌드
- REST 엔드 포인트로 딥 러닝 모델 배포
- MAX 모델의 REST API를 사용하여 이미지에서 개체 인식
- 모델의 REST API를 사용하는 웹 애플리케이션을 실행하십시오.
흐름
- 사용자는 웹 UI를 사용하여 이미지를 Model API로 보냅니다.
- Model API는 개체 데이터를 반환하고 웹 UI는 감지된 개체를 표시합니다.
- 사용자는 웹 UI와 상호 작용하여 감지된 개체를 보고 필터링합니다.
명령
이 코드 패턴을 사용할 준비가 되셨습니까? 이 응용 프로그램을 실행하고 사용하는 방법에 대한 자세한 내용은 README.
