TensorFlow를 이용한 이미지 분석 구현과 해결 방법

TensorFlow를 이용한 이미지 분석 구현과 해결 방법

TenserFlow by AI

 

안녕하세요! 오늘은 TensorFlow Lite를 이용해 안드로이드 앱에서 이미지 분석을 수행하는 방법을 소개해드리려고 합니다. 이 과정에서 발생했던 오류들과 그 해결 방법도 함께 다루겠습니다. 😊

1. 환경 설정 및 라이브러리 추가

먼저, TensorFlow Lite와 관련된 종속성을 build.gradle 파일에 추가합니다.

groovy

dependencies {
    implementation 'org.tensorflow:tensorflow-lite:2.11.0'
    implementation 'org.tensorflow:tensorflow-lite-support:0.3.1'
    implementation 'org.tensorflow:tensorflow-lite-gpu:2.11.0'
}

2. 모델 및 레이블 파일 준비

사전 훈련된 모델(mobilenet_v1_1.0_224.tflite)과 레이블 파일(labels.txt)을 다운로드하여 assets 폴더에 추가합니다.

3. 이미지 로딩 및 전처리

이미지를 로드하고 모델의 입력 크기에 맞게 전처리합니다.

kotlin

import android.content.Context
import android.graphics.Bitmap
import android.graphics.BitmapFactory
import org.tensorflow.lite.Interpreter
import org.tensorflow.lite.support.common.FileUtil
import org.tensorflow.lite.support.image.TensorImage
import org.tensorflow.lite.support.tensorbuffer.TensorBuffer
import java.io.FileInputStream
import java.nio.ByteBuffer
import java.nio.ByteOrder

fun loadImage(context: Context, bitmap: Bitmap, inputShape: IntArray): ByteBuffer {
    val width = inputShape[1]
    val height = inputShape[2]
    val channels = inputShape[3]
    val inputSize = width * height * channels

    val resizedBitmap = Bitmap.createScaledBitmap(bitmap, width, height, true)
    val byteBuffer = ByteBuffer.allocateDirect(4 * inputSize).order(ByteOrder.nativeOrder())

    val pixels = IntArray(width * height)
    resizedBitmap.getPixels(pixels, 0, width, 0, 0, width, height)

    for (pixel in pixels) {
        val r = (pixel shr 16 and 0xFF) / 255.0f
        val g = (pixel shr 8 and 0xFF) / 255.0f
        val b = (pixel and 0xFF) / 255.0f

        byteBuffer.putFloat(r)
        byteBuffer.putFloat(g)
        byteBuffer.putFloat(b)
    }

    return byteBuffer
}

4. 모델 로드 및 이미지 분석

TensorFlow Lite 모델을 로드하고, 이미지를 분석하여 결과를 출력합니다.

kotlin

fun loadModel(context: Context, modelPath: String): Interpreter {
    val model = FileUtil.loadMappedFile(context, modelPath)
    return Interpreter(model)
}

fun classifyImage(context: Context, bitmap: Bitmap): String {
    val modelPath = "mobilenet_v1_1.0_224.tflite"
    val labelsPath = "labels.txt"
    val labels = FileUtil.loadLabels(context, labelsPath)
    val interpreter = loadModel(context, modelPath)

    val inputTensorShape = interpreter.getInputTensor(0).shape()
    val byteBuffer = loadImage(context, bitmap, inputTensorShape)
    val probabilityBuffer = TensorBuffer.createFixedSize(intArrayOf(1, labels.size), DataType.FLOAT32)
    interpreter.run(byteBuffer, probabilityBuffer.buffer.rewind())
    
    val labeledProbability = TensorLabel(labels, probabilityBuffer).mapWithFloatValue
    return labeledProbability.maxByOrNull { it.value }?.key ?: "Unknown"
}

5. 이미지 로딩 및 분석 결과 출력

이미지를 로드하고 분석하여 결과를 출력합니다.

kotlin

fun analyzeImage(context: Context, imagePath: String) {
    val bitmap = BitmapFactory.decodeStream(FileInputStream(imagePath))
    val result = classifyImage(context, bitmap)
    println("이미지 분석 결과: $result")
}

발생했던 오류와 해결 방안

오류 1: java.lang.IllegalArgumentException: Cannot copy to a TensorFlowLite tensor...

이 오류는 입력 데이터의 크기와 모델의 입력 텐서 크기 불일치로 인해 발생합니다. 이를 해결하기 위해 이미지를 모델의 입력 크기에 맞게 리사이즈하고 정규화합니다.

해결 방안:

kotlin

val inputTensorShape = interpreter.getInputTensor(0).shape()
val byteBuffer = loadImage(context, bitmap, inputTensorShape)

오류 2: java.lang.NullPointerException

이 오류는 null 값에 접근하려고 할 때 발생합니다. 이를 해결하기 위해 null 체크를 추가하여 안전한 코드를 작성합니다.

해결 방안:

kotlin

imageUrl?.let { uri ->
    val inputStream = context.contentResolver.openInputStream(uri)
    val btm = BitmapFactory.decodeStream(inputStream)
    val rotatedBtm = rotateImageIfRequired(btm, uri)
    bitmap.value = rotatedBtm
    bitmap.value?.let { btm ->
        // 코드 계속...
    } ?: run {
        Log.e("ImageDetectView", "Bitmap is null after rotation")
    }
} ?: run {
    Log.e("ImageDetectView", "image

 

이제 TensorFlow를 사용하여 이미지를 분석하는 방법과 발생한 오류를 해결하는 방안을 모두 정리했습니다. 도움이 되셨길 바랍니다! 😊