패스트캠퍼스 환급챌린지 5일차: Computer Vision Signature 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다

1. 학습 인증샷 

1. 오늘 날짜 + 공부 시작 시각보이는 사진 1장

2. 오늘 날짜 + 공부 종료 시각이 보이는 사진 1장 

3. 1개 클립수강 인증사진 1장(강의 화면 x/목록캡처 추천)

4. 학습 인증샷 1장 이상(필기, 작업물)

 

공부 시작 시각: 2025-11-16 오후 1:48

공부 시작 : ch01-08 DINOv2로 유사 이미지 탐색하기(1)

공부 종료 시각 : 2025-11-16 오후 2:39

공부 종료 범위 : ch01-08. DINOv2로 유사한 이미지를 탐색하기 1강

학습 인증 샷 - 필기

 

2. 학습 후기 700자 이상

- 오늘 배운 학습 내용을 정리하고, 흥미로웠던 부분과 이를 내 업무에 어떻게 적용할 수 있을지 기록

오늘 강의는 DINOv2를 백본으로 사용하여 특징을 얼마나 잘 뽑아내는지 실습하는 첫번째 강의였다. 이번 강의도 어느정도 프로그래밍 하는 방법에 대해 사전지식이 있어야 강의를 따라갈 수준이었다. 환경설정은 Ubuntu가 깔린 상태나 Window WSL를 활용해야 했고 데이터셋은 Roboflow를 통하여 coco-128데이터셋을 다운로드 받고자 Roboflow에 가입해야한다. 파일을 만드는 방식은 데이터셋을 내 컴퓨터 폴더로 다운로드 받기 위한 download-data.py 파일과 DINOv2를 백본으로 활용하여 응용할 main.py파일로 구분하였다. 

 첫번째 download 파일은 먼저 프롬프트창에서 로보플로우 패키지를 설치하고 쿠다툴킷이 깔려있는 전제에서 코딩을 하도록 하였다. 리눅스 pip install을 통한 명령어로 faiss-cpu를 다루기 위한 코드를 넣는다. 구성순은 이러하다. roboflow 라이브러리를 임포트하고 로그인한다. Roboflow파일을 불러오기 위한 객체를 생성하고 데이터셋을 내 컴퓨터로 받아오기 위한 코드를 쓴다. 이후 그 데이터셋을 활용하기 위해 dataset폴더 작업을 하도록 프로그래밍한 후 프롬프트창에서 그 파일을 실행하여 파일을 폴더를 생성하여 파일을 다운로드 받는다. 우리가 쓸 데이터셋은 coco-128이다.

 두번째 main파일에서는 아무래도 파이썬 라이브러리들을 이용하여 폴더, 파일, 기타 작업들을 하기 위해 많은 라이브러리를 불러와야한다. numpy, os, json, Torch, transforms, faiss, tqdm 등을 라이브러리로 불러온다. 이후 구성요소는 이러하다. 위에 download한 데이터셋을 받아오기 위해 os 및 파일경로를 설정하기 위한 객체를 만든다. jpg파일을 경로에서 인식하게 만든다. 이후 Torch허브에 있는 dinov2를 백본으로 사용하기 위한 객체를 만든다. 우리가 활용할 모델은 이미 사전학습이 된 dinov2_vits14버전의 모델을 활용하였다. 디바이스를 cuda로 인식하거나 없는 경우 CPU처리할 디바이스 객체를 만들어 데이터를 보낸다. 

이후 작업은 이 데이터들을 인덱싱처리하여 임베딩하는 과정이다. 데이터를 전처리하여 규격을 맞춰준다. 이미지를 로드할 함수를 만들어 만들어놓은 이미지 경로를 설정한다. 여기서 활용하는 것이 faiss인데 생소하다. 더 공부해봐야 할 것 같다. 인덱스를 만들 때 임베딩을 넘파이를 통해 리스트화하고, 모든 임베딩된 것은 json형식으로 기록하게 한다. 즉 탐색 대상에 대한 사전(리스트)만들기 작업을 한 코드를 배웠다. 어렵다.

ㅎㅎ 이정도로 내가 이것을 어떻게 활용할 수 있을지 걱정이 앞선다. 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

패스트캠퍼스 URL

https://fastcampus.info/4oKQD6b