AI 명함촬영인식 ‘리오(RIO)’ 적용기 2부 — ML Model Converter와 안드로이드 앱 적용기

간단 소개

AI 명함 촬영 인식 '리오(RIO)'를 Client-Side Computing 환경에 적용하기 위한 ML 모델 변환 및 안드로이드 앱 적용 과정을 설명합니다.

AI Summary

Client-Side Computing의 필요성
- 실시간 추론: 네트워크 지연 없이 빠른 명함 위치 파악 및 영역 제공.
- 오프라인 기능: 인터넷 연결 없이도 명함 촬영 즉시 정보 제공.
- 데이터 프라이버시: 데이터 전송 및 저장 위험 감소.
- 비용 절감: ML 서버 및 데이터 전송 비용 절감.
ML Model Converter 과정
- PyTorch 모델을 TF Lite 모델로 변환하는 과정 설명 (PyTorch -> ONNX -> TensorFlow -> TF Lite).
- ONNX를 사용하여 다양한 ML 프레임워크 간의 호환성 확보 및 최적화된 그래프 표현 유지.
- TensorFlow Lite를 통해 Android 및 iOS 등 다양한 기기에서 모델 실행 가능.
안드로이드 앱 적용 및 테스트
- TensorFlow Lite Interpreter를 활용하여 모바일 기기에서 모델 추론.
- JNI와 OpenCV를 사용하여 Post Processing 구현 (C++).
- 테스트 앱을 통해 모델 로드, 추론, 후처리 테스트 및 다양한 환경에서의 촬영 테스트 진행.