https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=data&dataSetSn=74

https://pytorch.org/hub/intelisl_midas_v2/

AI 폴더 구조 정리 방법

<aside>

ai/ ├── common/ # 공통 유틸리티 함수들 │ ├── utils.py │ ├── data_loader.py │ └── preprocessing.py │ ├── models/ # 모델 정의와 관련 함수들 │ ├── food_recognition/ # 음식 인식 모델 │ │ ├── model.py │ │ ├── train.py │ │ └── inference.py │ │ │ ├── food_quantity/ # 음식 양 측정 모델 (MiDaS) │ │ ├── model.py │ │ ├── train.py │ │ └── inference.py │ │ │ └── nutrition/ # 영양소 계산 모델 │ ├── model.py │ └── inference.py │ ├── data/ # 데이터셋 저장소 │ ├── raw/ # 원본 데이터 │ └── processed/ # 전처리된 데이터 │ ├── weights/ # 모델 가중치 저장소 │ ├── food_recognition/ │ ├── food_quantity/ │ └── nutrition/ │ ├── configs/ # 설정 파일들 │ ├── food_recognition.yaml │ ├── food_quantity.yaml │ └── nutrition.yaml │ ├── api/ # API 인터페이스 │ ├── routes.py │ └── service.py │ └── main.py # 메인 실행 파일

</aside>

MiDaS 모델 동작 방법

<aside>

1. food_quantity_ai 폴더로 이동

cd C:/Users/SSAFY/Desktop/S12P31E102/food_quantity_ai

2. 필요한 패키지 설치

pip install -r requirements.txt

3. 초기 설정 실행 (MiDaS 모델 다운로드)

python setup.py

4. 데이터 전처리 (AIHub 데이터셋 사용)

python preprocess.py --data_path <AIHub_데이터_경로> --output_path ./data

5. 모델 학습 (선택사항)

python train.py --data_dir ./data --output_dir ./output --num_epochs 20

6. 모델 추론 (이미지에서 음식 양 측정)

python inference.py --model_path ./output/best_model.pt --image_path <이미지_경로> --output_path <결과_저장_경로> --gpu

</aside>

가상환경을 만들자

<aside>

deactivate rm -rf venv python -m venv venv source venv/Scripts/activate pip install -r requirements.txt pip install --upgrade pip

</aside>

테스트를 해보자

<aside>

기본 테스트

python inference.py --image_path ./test_images/test_food.jpg --output_path ./output/result.png

폴더내 모든 이미지 테스트

python inference.py --image_path ./test_images --output_path ./output

</aside>

식판은 어두운 색이니까 색반전을 시켜서 시도

q1_depth.png

q3_depth.png

q4_depth.png

q5_depth.png