궁금해 할지도? 궁금해 할지도?

문제 정의 및 데이터 구성700장의 용접 자국 이미지(BMP 형식)와 각 이미지의 용접 자국 길이(px 단위)가 기록된 CSV 데이터를 활용하여, 이미지로부터 용접 자국의 위치를 자동 검출하고 그 길이를 예측하는 모델을 개발합니다. 목표 출력은 용접 자국의 픽셀 단위 길이이며, 주어진 이미지-길이 쌍 데이터를 학습에 사용합니다.이 문제는 기본적으로 **물체 검출(용접 자국 위치)**과 회귀(길이 예측) 요소를 모두 포함합니다. 즉, 이미지에서 용접 부위를 찾아내고, 그 길이를 수치로 산출해야 합니다. 개발된 모델은 PC 환경에서 실시간으로 동작하여, 카메라로 입력받는 영상에서 연속적으로 용접 자국의 길이를 측정할 수 있어야 합니다.이미지 전처리 및 용접 자국 검출모델 학습에 앞서 이미지 전처리를 통해 용..

📌 1. 주요 차이점구분파라미터 수 (M)FLOPs (G)속도 (CPU/GPU)메모리 사용량적용 사례경량 모델1~10M0.1~1G💨 매우 빠름 (1~10ms)낮음 (모바일 가능)실시간 애플리케이션, 임베디드, 모바일중간 모델10~50M1~10G⚡ 빠름 (10~50ms)중간 (데스크탑, 서버)중간 복잡도의 문제, 실시간 가능대형 모델50M+10G+🐢 느림 (50~500ms)높음 (고성능 GPU 필요)고해상도 이미지 분석, 연구용M (Million): 백만 개 단위의 가중치 파라미터 개수G (Giga): 연산량(초당 연산 부동소수점 연산 횟수, FLOPs)📌 2. 각 모델의 예시✅ 1) 경량 모델 (Lightweight Model)특징: 파라미터 수가 적고 속도가 매우 빠름.예시 모델:MobileNe..