이미지를 올리면 ResNet50 전이학습 모델이 어종을 분류하고, SQLite 백과사전에서 해당 어종 정보를 보여주는 데스크톱 앱. 2023 ICT이노베이션스퀘어 동아리(팀 "쌀과자가 좋아", 4인).
이미지 업로드 → ResNet50 분류(40클래스) → 어종 정보 출력의 단일 데스크톱 앱이다. 자체 CNN이 클래스 증가 시 정확도가 떨어져 ResNet50 전이학습으로 전환, 40+ 클래스 분류를 달성했다. 이미지 수집엔 AutoCrawler를 사용했다.
| 경로 | 설명 |
|---|---|
test/ptqttest1.py |
메인 앱 (PyQt5) — 이미지 분류 + 어종 정보 출력 |
test/FishDicDB.db |
어종 백과사전 SQLite DB |
models/resnet50_checkpoint.pth |
학습된 ResNet50 체크포인트 (94MB) |
src/학습.py |
ResNet50 전이학습 스크립트 (ImageFolder 기반) |
src/Organizer.py |
데이터셋 train/val/test 분할 도구 |
app.py, Prj.py |
PySide6 GUI 프로토타입 — 별도 실험본, 메인 앱과 미통합 |
test/ptqttest1.spec |
PyInstaller 배포 스펙 |
학습 이미지 데이터셋(웹 크롤링 수집)과 활동 보고서는 저장소에 넣지 않고 로컬 data/, archive/에 보관한다.
Python 3.13 기준 (torch는 CPU 빌드):
pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
pip install -r requirements.txt
cd test
python ptqttest1.pytorch를 PyQt5보다 먼저 import해야 DLL 충돌이 없다.
전체 플로우(이미지 업로드 → ResNet50 분류 → SQLite 백과사전 표시)는 2026-07 초 복원 검증에서 확인 — 위 데모가 그 캡처다. 2026-07-09 requirements 현행화(torch 2.13/PyQt5 5.15.11) 후에는 앱 기동을 재확인했다.
- 2023 동아리 프로젝트 종료 후 보존 — GUI 프로토타입·데이터셋은 구글드라이브 백업(E드라이브)에서 복원 (2026-07)
- 2026-07 정비: requirements를 실동작 세트로 현행화, 학습 스크립트 저장 경로 로컬화(Colab 잔재 제거), IDE 설정 추적 해제
- PySide6 프로토타입(
app.py)은 분류 추론이 연결되지 않은 UI 실험본 — 통합하지 않고 보존 - 모델 체크포인트(94MB)는 저장소에 직접 포함 (LFS 미전환 — 히스토리 유지 우선)