컴퓨터 비전

TLDR: 컴퓨터 비전은 기계가 이미지와 비디오에서 시각적 정보를 이해할 수 있게 합니다. 딥러닝을 사용하여 객체를 감지하고, 장면을 분할하며, 물리적 세계를 해석합니다.

컴퓨터 비전(CV)은 인공지능의 한 분야입니다. 기계가 이미지, 비디오 및 기타 시각적 입력에서 의미를 추출할 수 있게 합니다. CV 시스템은 인간의 시각을 모방합니다. 보이는 것을 분류하고, 객체를 찾아내며, 공간적 관계를 이해합니다. 현대 CV는 딥러닝, 특히 합성곱 신경망(CNN)에 크게 의존합니다.

컴퓨터 비전의 핵심 작업

1. 이미지 분류: 전체 이미지에 레이블을 할당합니다(예: ‘고양이’ 또는 ‘개’).
2. 객체 감지: 바운딩 박스를 사용하여 이미지 내 여러 객체를 찾아 레이블을 붙입니다.
3. 시맨틱 분할: 이미지의 모든 픽셀을 카테고리별로 레이블링합니다.
4. 인스턴스 분할: 동일한 객체 클래스의 개별 인스턴스를 구별합니다.
5. 포즈 추정: 인체 또는 객체의 위치와 방향을 감지합니다.
6. 깊이 추정: 2D 이미지 또는 LiDAR 포인트 클라우드에서 3D 구조를 추론합니다.
7. 광학 문자 인식(OCR): 이미지에서 텍스트를 추출합니다.

컴퓨터 비전의 작동 원리

CV 파이프라인은 일반적으로 원시 이미지 데이터에서 시작됩니다. 전처리 단계에서 크기, 색상, 형식을 정규화합니다. 신경망은 레이어별로 특징을 추출합니다. 초기 레이어는 엣지와 텍스처를 감지합니다. 더 깊은 레이어는 복잡한 형태와 객체를 인식합니다. 모델은 대규모 레이블 데이터셋으로 학습됩니다. 레이블은 사람 주석자로부터 제공되며, 이것이 그라운드 트루스입니다.

컴퓨터 비전의 응용 분야

1. 자율주행 차량: CV는 실시간으로 차선, 보행자, 교통 표지판을 감지합니다.
2. 의료 영상: 모델이 X선 및 MRI 스캔에서 종양과 이상을 감지합니다.
3. 산업 검사: 카메라가 생산 라인에서 자동으로 결함을 식별합니다.
4. 소매: 시각적 검색과 진열대 모니터링에 CV를 활용해 재고를 추적합니다.
5. 로보틱스: 로봇이 CV를 사용하여 환경을 인식하고 상호작용합니다.
6. 보안: 감시 시스템이 침입을 감지하고 얼굴을 인식합니다.

컴퓨터 비전을 위한 학습 데이터

CV 모델은 대규모 레이블 이미지 데이터셋을 필요로 합니다. 더 다양한 데이터는 더 강건한 모델로 이어집니다. 대규모로 이미지를 수집하고 주석을 다는 것은 비용이 많이 들고 느립니다. 합성 데이터는 실제 이미지가 부족한 곳의 공백을 채울 수 있습니다. Bright Data의 데이터셋 마켓플레이스는 컴퓨터 비전 학습을 위한 즉시 사용 가능한 이미지 데이터셋을 제공합니다.