Autokeras 와 scikit learn을 활용하여 KNN 등의 알고리즘을 활용한 반도체 공정 센서 데이터를 기반으로 이상을 감지하는 모델을 제작하고 이를 바탕으로 레포트 화면을 기획하는 등의 프로젝트를 진행하였습니다.

질환별로 구분된 DICOM 파일에서 이미지 데이터만을 추출하여 학습데이터로 사용가능한 형태로 변환 추출된 이미지에 라벨링된 좌표값을 바탕으로 U-NET 알고리즘에 학습을 시켜 x-ray 등의 이미지에서 척추체 부분을 자동으로 세그멘테이션 해주는 모델을 학습시켰습니다. 이를 바탕으로 OpenCV를 활용하여 Contour 기반의 좌표값을 추출해주는 API를 FastAPI와 Docker를 활용하여 제작하였습니다.

동영상 형태의 데이터에 존재하는 사람의 얼굴을 비식별화 하기 위해서 코드로 이를 구현하였습니다. 우선 동영상 데이터를 OpenCV를 활용하여 지정한 프레임 단위로 나눌 수 있도록 하였습니다. 이를 통해서 동영상을 이미지 데이터로 변환하였고 YOLO 모델을 활용하여 이미지에서 사람의 얼굴을 인식하여 블러 처리 등의 비식별화를 진행하였고 처리가 끝난 이미지들을 다시 동영상으로 합치는 과정을 구현하였습니다. 그리고 구현한 코드를 FastAPI와 Docker를 활용하여 API로 제작하여 실제 서비스에 적용하였습니다.

이미지의 종류별로 비식별화가 필요한 부분이 달랐기 때문에 Python을 활용하여 DICOM 파일의 메타데이터를 추출하고 이를 바탕으로 이미지를 종류별로 분류하였습니다. 그리고 이를 바탕으로 이미지의 경로를 입력하면 자동으로 이미지를 분류하여 필요한 지역을 비식별화 할 수 있도로 코드를 구현하여 다른 팀을 지원하는 역할을 하였습니다.

YOLO 알고리즘과 google의 mediapipe, posenet을 활용하여 손과 얼굴 그리고 신체의 특징점을 인식하고 결과를 JSON으로 결과를 도출하는 API를 파이썬과 FastAPI를 활용하여 제작 후 Docker 상에 환경을 구축하고 빌드하여 서버에 배포, YOLO와 FastAPI, Docker 활용하여 이미지 중 사람의 얼굴부분을 자동으로 비식별화 하는 API를 구현하여 실제 서비스에 적용하였습니다.