[Flutter]플러터에서 파이토치 사용해서 이미지 분류하기_1(pytorch_mobile)

개요

• 플러터에서 ML을 사용하기 위해서 다양한 방법이 있는데 그중 Python으로 만들 수 있는 Pytorch를 활용하여 이미지 분류를 하는 앱을 만들어 보고자 한다
• 이전에 이미지를 불러오는 Image_picker를 활용하여 선택한 이미지를 분류하게 할 수도 있다

[Flutter] Image_picker 갤러리, 카메라에서 사진 선택하고 보여주기.

사용한 플러그인

• pytorch_mobile: ^0.2.2 : https://pub.dev/packages/pytorch_mobile/install

pytorch_mobile | Flutter Package

설치

• 터미널에서 아래의 커맨드 실행

flutter pub add pytorch_mobile

• 사용하고자 하는 파일 상단에 임포트

import 'package:pytorch_mobile/pytorch_mobile.dart';

import 'package:pytorch_mobile/model.dart';

Android SDK 버전 설정

• android/app/build.gradle에서 SDK최소 버전 21이상으로 설정

    defaultConfig {
        minSdkVersion 21
        ...

assets

https://drive.google.com/drive/folders/1JlvXWGAsHXe5_fXQNJHfNtFCyhV4WZrY?usp=share_link

share - Google Drive

• 위의 파일을 다운로드 받아서 프로젝트 Root에서 assets/ 폴더를 만들어준 다음 resnet.pt, labels.csv파일을 넣어준다

pubspec.yaml

• assets을 추가한것을 알리기 위해 다음과 같이 파일이 위치함을 알려준다

flutter:
  assets:
    - assets/labels.csv
    - assets/resnet.pt

 

lib/main.dart

• main 다트 페이지는 다음과 같은 상태에서 별다른 조작은 안 할 것이다.

import 'package:flutter/material.dart';
import 'classifier.dart'; // 새로 만들어줄 dart파일
void main() {
  runApp(const MyApp());
}

class MyApp extends StatelessWidget {
  const MyApp({Key? key}) : super(key: key);

  @override
  Widget build(BuildContext context) {
    return MaterialApp(
      home: Classifier(),
    );
  }
}

lib/classifier.dart

기본 틀 제작

• 적당한 statefullWidget을 생성해 준다.

class Classifier extends StatefulWidget {
  const Classifier({Key? key}) : super(key: key);

  @override
  State<Classifier> createState() => _ClassifierState();
}

class _ClassifierState extends State<Classifier> {
  @override
  Widget build(BuildContext context) {
    return Scaffold(
      body: Column(
        children: [
          Container(
            height: 500,

          ),
          SizedBox(
            child: null // 여기다가 추론 결과 넣어줄꺼임
          )
        ],
      ),
    );
  }
}

모델 불러오기

• 모델을 저장해 줄 객체 선언

  late Model model;

• 모델을 불러오는 함수 선언 // 모델을 불러와서 객체에 저장

  Future loadmodel() async{
    Model imagemodel = await PyTorchMobile.loadModel('assets/resnet.pt');
    setState(() {
      model = imagemodel;
    });
  }

• 생성자 선언 // 앱이 실행되면 모델을 불러옴

  @override
  void initState(){
    super.initState();
    loadmodel().then((value){
      print('load model');
      setState(() {});
    });
  }

여기까지 잘 따라왔다면 앱을 실행했을때 다음과 같이 load model이 출력될 것이다

 

 

다음 게시물에서 image_picker를 통해서 이미지를 불러오고 
해당 이미지를 분류해서 라벨을 지정하는 것을 구현해 보겠다.