사진에 찍힌 것을 세기

같은 종류, 비슷한 크기의 물건을 단면 쪽에서 정면으로 찍은 사진입니다. 파이프나 철근 다발을 뒤에서, 트럭에 실린 통나무, 위에서 본 병이나 캔, 트레이 위의 알약, 펼쳐 놓은 동전 등. 단면에 수직으로, 조명은 균일하게 찍으세요. 잘 안 되는 것은 심하게 기울인 촬영(원이 크기가 제각각인 타원이 됩니다), 크기가 다른 물건이 한 장에 섞인 경우, 다른 것 뒤에 반쯤 가려진 물건입니다.

정면에서 깨끗하게 찍은 사진이라면 자동 집계는 보통 몇 % 이내에 들어옵니다. 바로 그 “마지막 몇 %”를 위해 탭 수정이 있습니다. 검출된 것은 모두 이미지 위에 그려지고 번호가 매겨지므로, 결과를 믿는 대신 직접 확인할 수 있습니다. 내려받은 이미지를 검수표로 쓰세요.

검출기가 그 크기에 가까운 원만 찾기 때문입니다. 이 제약 하나가, 파이프 단면 700개가 늘어선 벽이 1,400개의 어림짐작으로 변하는 것을 막아 줍니다. 지름은 사진에서 자동으로 가늠하지만, 결과가 이상해 보이면 슬라이더를 물건 한 개의 크기에 맞추는 것이 가장 먼저 손볼 일입니다.

어느 모드에서도 업로드는 없습니다 — 사진은 기기 밖으로 나가지 않으며, 그것이 거래처의 재고를 찍은 사진이라면 특히 중요한 점입니다. 빠른 모드는 고전적인 컴퓨터 비전으로, 잘 알려진 오픈소스 이미지 처리 라이브러리를 공개 CDN에서 처음 한 번만 받아 와(약 8 MB, 이후에는 캐시) 지정한 크기의 원을 찾습니다. AI 모드는 여기에 더해 개수를 세는 35 MB 모델을 한 번 내려받는데, 이 역시 전부 이 탭 안에서 돌아갑니다 — 비행기 모드라도 상관없습니다.

네 — 바로 그럴 때 쓰는 것이 AI 모드입니다. 예시 한 개에서 세 개에 상자를 그리면, 개수 세기를 학습한 신경망 모델이 그와 비슷하게 생긴 모든 것의 밀도 지도를 추정해 합산합니다. 솔직한 한계 두 가지: 큰 더미에서는 정확한 집계가 아니라 추정치라는 점(숫자가 어디서 나왔는지는 히트맵이 보여 줍니다), 그리고 한 번에 세는 것은 상자를 그린 그 한 종류뿐이라는 점입니다. 모델은 MIT 라이선스이며, 라이선스 페이지에 이름이 올라 있습니다.