본 저장소는 개발자의 Portfolio 목적으로 운영되며, 개인적인 학습에 이해를 돕기 위해 공개하였습니다.
Colab 환경에서, 여러 AI 모델과 데이터셋을 사용하여, 빠르게 결과를 도출해 볼 수 있습니다.
여기에는 기초부터 객체 탐지 및 인식까지, 여러 Notebook 예제들이 공개되어 있습니다.
대부분은 강의 자료나, 공개 예제를 학습하며, 약간 응용한 것들입니다.
Jupyter Notebook 항목은 GitHub에서, ipynb파일의 최신 코드를 오류로 판독하는 경우가 많으니, Colab 항목을 사용하세요.
Colab Notebook의 초기 작성부터, 상세한 주석은 Deep Commentary 항목을 확인하세요.
| Model | Dataset | Jupyter Notebook | Colab | Deep Commentary | Briefing |
|---|---|---|---|---|---|
| gpt-3.5-turbo | User Text |  |
 |
 |
OpenAI 모델 프롬프터 |
| gemini-2.0-flash-lite | User Text | |
|
|
Gemini 모델 프롬프터 |
| google/gemma-2b | royboy0416/ko-alpaca | |
|
|
Gemma 2b + Ko-Alpaca 프롬프터 |
| google/gemma/Flax/2b | Manual Sentences | |
|
|
Gemma 2b + Kaggle1.7 프롬프터 |
| google/gemma/Flax/2b | Manual Sentences | |
|
|
Gemma 2b + Kaggle1.8 프롬프터 |
| Model | Dataset | Jupyter Notebook | Colab | Deep Commentary | Briefing |
|---|---|---|---|---|---|
| ResNet18 | imagenette | |
|
|
ImageNet 추론 예제 |
| ResNet50 | Open Asset | |
|
|
고양이와 강아지 이미지 분류 |
| ResNet18 | DuckDuckGo 검색 | |
|
|
자전거와 오토바이 이미지 분류 |
| ResNet34 | Open Asset | |
|
|
꽃 이미지 분류 |
| Model | Dataset | Jupyter Notebook | Colab | Deep Commentary | Briefing |
|---|---|---|---|---|---|
| CNN (Flax-linen) | mnist | |
|
|
CNN 아키텍처로 구축한 OCR 모델 |
| CNN (Flax-nnx) | mnist | |
|
|
CNN 아키텍처로 구축한 OCR 모델 |
| Model | Dataset | Jupyter Notebook | Colab | Deep Commentary | Briefing |
|---|---|---|---|---|---|
| VGG16 + FCN | xairete/car-plates-ocr | |
|
|
CNN 기반 LPBD(번호판 영역 감지) 모델 훈련 |
| JKMODEL_LPBD_VGG16_T50.h5 | xairete/car-plates-ocr | |
|
|
CNN 기반 LPBD(번호판 영역 감지) 모델 추론 |
| yolov8l.pt, rtdetr-l.pt | mp4 | |
|
|
YOLOv8 vs RT-DETRv1 성능 비교 |
| PekingU/rtdetr_r50vd, PekingU/rtdetr_v2_r18vd | jpg, mp4 | |
|
|
RT-DETRv1 vs RT-DETRv2 성능 비교 |
| Intellindust/DEIMv2_DINOv3_X_COCO | jpg | |
|
|
DEIMv2 객체 탐지 |
본 프로젝트의 예제들은 다양한 AI 모델과 데이터셋을 활용하고 있습니다.
사용자는 각 자산의 원저작자가 규정한 라이센스 및 이용 약관을 준수할 책임이 있습니다.
- 본 저장소에 직접 작성된 모든 코드 및 주석(
Deep Commentary)은 Apache License 2.0을 따릅니다.
각 예제에서 호출하는 모델의 라이센스는 다음과 같습니다.
- OpenAI (GPT-3.5): Usage Policies를 준수해야 하며, 사용자의 API Key가 필요합니다.
- Google (Gemini): Google AI Terms of Service를 따릅니다.
- Google Gemma (PyTorch/Flax): Gemma Terms of Use가 적용됩니다. (가중치 다운로드 시 별도의 약관 동의가 필요할 수 있습니다.)
- YOLOv8l & RT-DETR (Ultralytics): GNU Affero General Public License v3.0 (AGPL-3.0) 라이센스를 따릅니다.
- RT-DETR & RT-DETR-v2 (PekingU): Apache License 2.0 라이센스를 따릅니다.
- DEIMv2 / DINOv3 (Intellindust): Apache License 2.0 라이센스를 따릅니다.
- CVM/OCR/ODM (VGG, ResNet 등): 해당 모델이 포함된 프레임워크(Keras/PyTorch)의 라이센스 및 각 모델의 원본 라이센스(보통 Apache 2.0 또는 BSD)를 따릅니다.
- 예제에 포함된 데이터셋(ImageNet, COCO, MNIST 등)은 각 데이터셋 제공처의 이용 약관에 따르며, 학습 및 연구용으로만 사용하시길 권장합니다.
- 예제 구현에 사용된 Keras, PyTorch, Flax, JAX 등은 각 해당 오픈소스 라이센스(주로 Apache 2.0)를 따릅니다.
⚠️ 주의 (Disclaimer)
- 모델을 사용하여 생성된 결과물에 대한 책임은 전적으로 사용자에게 있으며, 각 모델사가 금지하는 유해한 용도로의 사용을 금합니다.
- 본 작성자는 외부 모델 및 데이터셋의 오용으로 발생한 법적 문제에 대해 어떠한 책임도 지지 않습니다.