컴퓨터 비전 작업에 대해 알아야 할 모든 것

카메라와 인공지능(AI)의 발전에 힘입어 컴퓨터와 기계는 이제 인간과 비슷한 방식으로 세상을 볼 수 있습니다. 예를 들어 사람을 인식하고 객체를 추적하며 동영상에서 일어나는 일의 맥락까지 파악할 수 있습니다.

구체적으로 컴퓨터 비전은 기계가 주변 세계의 시각 정보를 이해하고 해석하도록 하는 AI 분야입니다. 컴퓨터 비전에는 이미지나 동영상에서 특정 유형의 인사이트를 추출하도록 설계된 다양한 작업이 포함됩니다. 예를 들어 객체 감지는 이미지에서 여러 항목을 식별하고 위치를 찾는 데 도움이 되며, 추적, 분할, 자세 추정과 같은 다른 작업은 기계가 움직임, 형태, 위치를 더욱 정확하게 이해하도록 지원합니다.

특정 애플리케이션에 사용할 컴퓨터 비전 작업은 필요한 인사이트의 유형에 따라 달라집니다. Ultralytics YOLO11과 같은 컴퓨터 비전 모델은 다양한 컴퓨터 비전 작업을 지원하므로 실제 Vision AI 시스템을 구축하는 데 신뢰할 수 있는 선택지입니다.

이 가이드에서는 YOLO11과 같은 모델이 지원하는 컴퓨터 비전 작업을 자세히 살펴보겠습니다. 각 작업의 작동 방식과 여러 산업에서의 활용 방법을 알아보겠습니다.

컴퓨터 비전 작업이란 무엇인가요?#

컴퓨터 비전 작업은 다양한 방식으로 인간의 시각 능력을 모방하는 것을 목표로 합니다. 이러한 작업을 통해 기계는 객체를 감지하고 움직임을 추적하며 포즈를 추정하고 이미지와 동영상에서 개별 요소의 윤곽을 파악할 수 있습니다. 일반적으로 컴퓨터 비전 작업은 시각 데이터를 더 작은 단위로 나누어 현재 상황을 더 명확하게 해석하는 모델을 통해 구현됩니다.

Ultralytics YOLO 모델과 같은 Vision AI 모델은 하나의 프레임워크에서 감지, 추적, 분할 등 여러 작업을 지원합니다. 이러한 다용도성 덕분에 YOLO11 모델은 다양한 활용 사례에 쉽게 적용할 수 있습니다.

그림 1. Ultralytics YOLO11이 지원하는 컴퓨터 비전 작업입니다.

스포츠 분석은 좋은 예입니다. YOLO11의 객체 감지를 사용해 경기장에 있는 선수들을 감지한 다음, 객체 추적으로 경기 내내 선수들을 추적할 수 있습니다. 한편 YOLO11의 포즈 추정 기능은 선수의 움직임과 기술을 분석하는 데 도움이 되며, 인스턴스 분할은 각 선수를 배경과 분리해 분석의 정밀도를 높일 수 있습니다.

이러한 YOLO11 기반 컴퓨터 비전 작업을 결합하면 경기 중 상황을 종합적으로 파악할 수 있어 팀이 선수의 경기력, 전술, 전반적인 전략을 더 깊이 이해할 수 있습니다.

Ultralytics YOLO11이 지원하는 컴퓨터 비전 작업 개요#

컴퓨터 비전 작업의 개념을 살펴보았으니, 실제 사례를 활용해 YOLO11이 지원하는 각 작업을 자세히 알아보겠습니다.

이미지 분류에 대한 Ultralytics YOLO11의 지원#

사진을 보면 대부분의 사람은 개, 산, 교통 표지판 중 무엇이 있는지 쉽게 알아볼 수 있습니다. 이런 대상이 일반적으로 어떻게 생겼는지 알고 있기 때문입니다. 이미지 분류는 기계가 이미지의 주요 객체를 기준으로 이미지를 분류하고 레이블을 지정하도록 학습시켜 같은 작업을 수행하게 합니다. 주요 객체는 '자동차', '바나나', '골절이 있는 엑스레이' 등이 될 수 있습니다. 이러한 레이블을 통해 컴퓨터 비전 시스템은 시각 콘텐츠를 이해하고 그에 따라 대응하거나 의사 결정을 내릴 수 있습니다.

이 컴퓨터 비전 작업의 흥미로운 활용 사례 중 하나는 야생동물 모니터링입니다. 이미지 분류를 사용하면 야생에서 촬영한 사진에서 다양한 동물 종을 식별할 수 있습니다. 이미지를 자동으로 레이블링하면 연구자는 개체군을 추적하고 이동 패턴을 모니터링하며 멸종 위기종을 더 쉽게 식별해 보전 활동을 지원할 수 있습니다.

그림 2. 이미지 분류에 YOLO11을 사용하는 예입니다.

Ultralytics YOLO11의 객체 감지 기능#

이미지 분류는 이미지에 무엇이 있는지 전반적으로 파악하는 데 유용하지만, 이미지 전체에 하나의 레이블만 지정합니다. 여러 객체의 정확한 위치와 정체성 같은 세부 정보가 필요한 상황에서는 객체 감지가 필수적입니다.

객체 감지는 이미지에서 개별 객체를 식별하고 위치를 찾는 과정으로, 흔히 객체 주위에 바운딩 박스를 그려 표시합니다. Ultralytics YOLO11은 특히 실시간 객체 감지 성능이 뛰어나 다양한 애플리케이션에 적합합니다.

소매점에서 진열대 재고를 관리하기 위해 사용하는 컴퓨터 비전 솔루션을 예로 들어보겠습니다. 객체 감지를 사용하면 과일, 채소 및 기타 품목을 세어 재고를 정확하게 파악할 수 있습니다. 농경지에서는 동일한 기술로 작물의 성숙도를 모니터링해 농부가 최적의 수확 시기를 결정하도록 지원하고, 익은 농산물과 덜 익은 농산물도 구별할 수 있습니다.

그림 3. Ultralytics YOLO11을 사용한 과일 감지입니다.

인스턴스 분할에 YOLO11 사용하기#

객체 탐지는 바운딩 박스를 사용해 이미지에서 객체를 식별하고 위치를 찾지만, 객체의 정확한 형태까지 포착하지는 않습니다. 이때 인스턴스 세그멘테이션이 활용됩니다. 객체 주위에 박스를 그리는 대신 인스턴스 세그멘테이션은 객체의 정확한 윤곽을 추적합니다.

다음과 같이 생각할 수 있습니다. "이 영역에 사과가 있다"고 단순히 표시하는 대신, 사과의 정확한 형태를 세심하게 따라 그려 채워 넣는 방식입니다. 이처럼 세밀한 과정을 통해 AI 시스템은 객체 간 거리가 가까울 때 특히 객체의 경계를 명확하게 파악할 수 있습니다.

인스턴스 세그멘테이션은 인프라 검사부터 지질 조사까지 다양한 분야에 적용할 수 있습니다. 예를 들어 지질 조사 데이터에 YOLO11을 사용하면 크고 작은 지표면의 균열이나 이상 징후를 모두 세그멘테이션할 수 있습니다. 이러한 이상 징후의 경계를 정밀하게 그려 엔지니어가 프로젝트를 시작하기 전에 문제를 정확히 찾아내고 해결할 수 있습니다.

그림 4. YOLO11을 활용한 균열 세그멘테이션.

객체 추적: YOLO11로 프레임 전반에 걸쳐 객체 추적하기#

지금까지 살펴본 컴퓨터 비전 작업은 단일 이미지에 무엇이 있는지 파악하는 데 중점을 두었습니다. 하지만 동영상에서는 한 프레임을 넘어서는 인사이트가 필요합니다. 이때 객체 추적 작업을 활용할 수 있습니다.

YOLO11의 객체 추적 기능은 사람이나 자동차처럼 특정 객체가 여러 동영상 프레임을 지나 이동하는 모습을 추적할 수 있습니다. 카메라 각도가 바뀌거나 다른 객체가 나타나더라도 시스템은 동일한 대상을 계속 추적합니다.

이는 교통 상황에서 자동차를 추적하는 것처럼 시간 경과에 따른 모니터링이 필요한 애플리케이션에서 매우 중요합니다. 실제로 YOLO11은 차량을 정확하게 추적하고 각 자동차를 따라가며 실시간으로 속도를 추정할 수 있습니다. 따라서 객체 추적은 교통 모니터링과 같은 시스템의 핵심 구성 요소입니다.

그림 5. YOLO11의 객체 추적 지원은 속도 추정에 활용할 수 있습니다.

YOLO11을 사용한 회전 바운딩 박스(OBB) 탐지#

현실 세계의 객체가 항상 완벽하게 정렬되어 있는 것은 아닙니다. 기울어지거나 옆으로 놓이거나 특이한 각도로 배치될 수 있습니다. 예를 들어 위성 이미지에서 선박과 건물은 회전된 모습으로 나타나는 경우가 많습니다.

기존 객체 탐지 방법은 객체의 방향에 맞춰 조정되지 않는 고정된 직사각형 박스를 사용하므로 회전된 형태를 정확하게 포착하기 어렵습니다. 회전 바운딩 박스(OBB) 탐지는 객체를 꼭 맞게 둘러싸도록 회전하는 박스를 사용해 객체의 각도에 맞춤으로써 더 정밀하게 탐지합니다.

항만 모니터링에서 YOLO11의 OBB 탐지 지원 기능은 방향과 관계없이 선박을 정확하게 식별하고 추적하는 데 도움이 되며, 항구에 들어오거나 나가는 모든 선박을 제대로 모니터링할 수 있게 합니다. 이러한 정밀한 탐지를 통해 선박의 위치와 이동에 관한 실시간 정보를 확보할 수 있습니다. 이는 혼잡한 항만을 관리하고 충돌을 방지하는 데 매우 중요합니다.

그림 6. OBB 감지와 YOLO11을 사용한 보트 감지입니다.

포즈 추정과 YOLO11: 키포인트 추적#

포즈 추정은 관절, 팔다리 또는 기타 지표와 같은 키포인트를 추적해 객체의 움직임을 파악하는 컴퓨터 비전 기법입니다. 객체나 신체 전체를 하나의 완전한 단위로 취급하는 대신, 이 방법은 객체를 주요 부분으로 나눕니다. 이를 통해 움직임, 제스처, 상호작용을 세밀하게 분석할 수 있습니다.

이 기술의 일반적인 적용 분야 중 하나는 사람의 포즈 추정입니다. 다양한 신체 부위의 위치를 실시간으로 추적하면 사람의 움직임을 명확하게 파악할 수 있습니다. 이 정보는 제스처 인식과 활동 모니터링부터 스포츠 경기력 분석까지 다양한 목적으로 활용할 수 있습니다.

마찬가지로 물리 재활 분야에서 치료사는 사람의 포즈 추정과 YOLO11을 활용해 환자가 운동하는 동안의 움직임을 모니터링할 수 있습니다. 이를 통해 각 동작이 올바르게 수행되는지 확인하면서 시간에 따른 진행 상황을 추적할 수 있습니다.

그림 7. YOLO11은 포즈 추정을 사용해 운동을 모니터링할 수 있습니다.

YOLO11이 다양한 컴퓨터 비전 작업을 지원하는 방식 살펴보기#

YOLO11이 지원하는 모든 컴퓨터 비전 작업을 자세히 살펴보았으니, 이제 YOLO11이 이러한 작업을 어떻게 지원하는지 알아보겠습니다.

YOLO11은 단일 모델이 아니라 특정 컴퓨터 비전 작업을 위해 각각 설계된 전문 모델 변형 제품군입니다. 따라서 YOLO11은 다양한 애플리케이션에 맞게 조정할 수 있는 다목적 도구입니다. 또한 프로젝트의 고유한 과제를 해결하도록 맞춤 데이터셋으로 이러한 모델을 파인튜닝할 수도 있습니다.

특정 비전 작업에 맞게 사전 학습된 YOLO11 모델 변형은 다음과 같습니다.

• YOLO11: 이 모델은 여러 객체를 실시간으로 탐지하고 라벨링하므로 고속 시각 인식에 적합합니다.
• YOLO11-seg: 이 변형 모델은 정교한 마스크를 사용해 객체와 배경을 분리하는 세그멘테이션에 중점을 둡니다.
• YOLO11-cls: 이 변형 모델은 이미지의 전체 내용을 바탕으로 단일 카테고리 라벨을 지정해 이미지를 분류합니다.
• YOLO11-pose: 이 모델은 신체의 키포인트를 추정해 자세, 팔다리 위치, 움직임을 추적합니다.
• YOLO11-obb: 이 모델은 각 객체의 방향에 맞춘 바운딩 박스를 그려 회전된 객체를 탐지하도록 설계되었습니다.

각 변형 모델은 서로 다른 크기로 제공되므로 사용자는 필요에 따라 속도와 정확도 간의 적절한 균형을 선택할 수 있습니다. 최신 Ultralytics YOLO26은 동일한 작업을 지원하며 시맨틱 분할과 깊이 추정을 추가로 제공합니다.

핵심 요점#

컴퓨터 비전 작업은 기계가 세상을 이해하고 상호작용하는 방식을 바꾸고 있습니다. 이미지와 동영상을 주요 요소로 나누면 이러한 기술을 통해 객체, 움직임, 상호작용을 더욱 세밀하게 분석할 수 있습니다.

교통 안전과 스포츠 경기력을 향상하는 것부터 산업 프로세스를 간소화하는 것까지, YOLO11과 같은 모델은 혁신을 이끄는 실시간 인사이트를 제공할 수 있습니다. Vision AI가 계속 발전함에 따라 시각 데이터를 해석하고 일상에서 활용하는 방식에서 점점 더 중요한 역할을 할 것으로 예상됩니다.

커뮤니티에 참여하고 GitHub 저장소를 방문해 AI가 실제로 작동하는 모습을 확인해 보세요. 라이선스 옵션을 살펴보고 솔루션 페이지에서 농업 분야의 AI와 제조 분야의 컴퓨터 비전에 대해 자세히 알아보세요.