8/13 : Machine Learning with Unity

-

Machine Learning with Unity 


<Remind> 최종 목표

- Magic Leap 를 쓰고 컨트롤러로 숫자를 적는다.

- 숫자를 보고 트리거를 누르면 사진을 찍는다. 

- 찍은 사진을 자르고 줄여서 16*16 흑백 파일로 만든다.

- CNN으로 분석

- 과정을 visualization





이제 Unity랑 Magic Leap에 어느정도 적응을 한 것 같다. 
다시 본 프로젝트로 돌아가서, CNN의 작동 과정을 visualizing 해주는 프로그램을 만들어 보자. 

 C#도 아직 한참 모르고 머신러닝도 처음이라 우선 유니티에서 머신러닝을 구현하는 연습이 필요할 것 같다. 



8/13- 8/14까지 이 강좌를 다 들을 것.


#1. 개발환경 준비하기

1> git 다운로드, Unity ML-agents 패키지 다운로드
2> Anaconda3_5.1.0 다운로드 : 운영체제와 상관없이 독자적인 개발환경을 제공해주는 프로그램. python 3.6 을 지원하는 아나콘다를 사용해야 해서 버전 잘 확인해야 함.
3> Anaconda prompt 실행
    - conda create -n ml-agents python=3.6 입력 : ml-agents를 포함하는 python 3.6 프로젝트를 만들 것이다 
    - conda activate ml-agents : ml-agents를 로드할 것이다
    -  pip install --upgrade pip
    




댓글

댓글 쓰기

이 블로그의 인기 게시물

0817 : Hand Tracking

-
  * 지난 주 요약 1. 큐브 2. 비둘기 3. 손 트레킹 * 이번 주 할 일 1. 비둘기 밥주기 canIGrab 랑 canIPlace 기능이 뭔지 까먹었어,,. using System.Collections ; using System.Collections.Generic ; using UnityEngine ; using UnityEngine.XR.MagicLeap ; public class HandTrackScript : MonoBehaviour { public enum HandPoses { Ok, Finger, Thumb, OpenHand, Pinch, NoPose }; public HandPoses pose = HandPoses.NoPose; public Vector3[] pos; public GameObject sphereThumb, sphereIndex, sphereWrist, ObjectToPlace; private MLHandTracking.HandKeyPose[] _gestures; bool canIPlace = false ; bool canIGrab = false ; public GameObject selectedGameObject; private void Start () { MLHandTracking.Start(); _gestures = new MLHandTracking.HandKeyPose[ 5 ]; _gestures[ 0 ] = MLHandTracking.HandKeyPose.Ok; _gestures[ 1 ] = MLHandTracking.HandKeyPose.Finger; _gestures[ 2 ] = MLHandTracking.HandKeyPose.O...
자세한 내용 보기

0701_Using server in Unity

-
 * works to do  1. 튜토리얼 영상 #2 완성 2. 튜토리얼 영상 #3 만들기(커리큘럼 짜기) 3. 서버 연결 PHP로 시도하기 4. x,y,z,value 데이터 받아서 시각화하는 프로그램 만들기 5. Data visualization  관련 논문/연구 찾아보기 6. 해외 연구실 찾아보기 * works to do today 1. 튜토리얼 영상 #2 완성 2. 유니티 서버 연결 PHP로 시도하기 3. Data visualization 관련 논문/연구 찾아보기 + 스크랩 4. 온습도 데이터로 visualization 모델 만들어보기 5. 관련 해외 연구실 찾아보기  Personal Augmented Reality for Information Visualization on Large Interactive Displays In this work we propose the combination of large interactive displays with personal head-mounted Augmented Reality (AR) for information visualization to facilitate data exploration and analysis. Even though large displays provide more display space, they are challenging with regard to perception, effective multi-user support, and managing data density and complexity. To address these issues and illustrate our proposed setup, we contribute an extensive design space comprising first, the spatial alignment of display, visualizations, and objects in AR space. Next, w...
자세한 내용 보기