한성정보기술

포즈 추정의 첫 단계로, CNN(Convolutional Neural Network)을
사용해 대규모 데이터 세트에서 훈련된 딥러닝 모델을 통해
비디오 프레임 내의 다양한 객체를 식별합니다.

포즈 추정은 개인의 관절과 팔다리의 공간적 배열을 매핑하여
자세의 골격 표현을 제공하는 과정으로, 2D 또는 3D 포즈 추정을
통해 단일 프레임에서 개인의 자세와 움직임을 정밀하게 분석합니다.
이 과정에는 Optical Flow 계산도 포함되어 연속적인
프레임 사이의 움직임 변화를 추적함으로써,
더욱 정확한 행동 분석을 가능하게 합니다.

시퀀스 데이터 분석에서 GNN(그래프 신경망)은 비디오 프레임의
시간적 순서를 통해 객체의 동작과 행동을 분석합니다.
이를 통해, 객체의 위치와 포즈 등을 모델링하며, 연속 프레임의
데이터를 결합해 3D 또는 4D 데이터를 생성하여 복잡한
상호작용을 한 번의 연산으로 추론합니다.

감지된 행동을 분석하여 이상 징후를 식별하고, 정상적인
행동 패턴과 비교해 위험한 활동을 감지합니다.

대상 데이터에 대해 구체적이고 상세한 Text
프롬프트 결정하여 목표 명확화.

Text 프롬프트를 이용하여 이미지 내 객체에 대한
바운딩 박스 및 시맨틱 정보를 자동으로 라벨링

성능과 크기 사이의 최적의 균형을 가진 모델 선정,
모델 경량화 기술 적용 고려 그리고 선정된 모델을 파인튜닝,
타겟 디바이스에서의 최적의 성능 도달.

경량화 및 파인튜닝된 모델을 온-디바이스에 배포하고
실제 환경에서의 실행 및 성능 모니터링,
필요시 반복적 최적화 진행