컴퓨터 비전을 활용한 시각화에서 비즈니스 인사이트로

Computer vision은(는) 기계가 시각적 데이터를 바탕으로 해석하고 의사결정을 내릴 수 있도록 하는 인공지능(AI)의 하위 분야입니다. 컴퓨터 비전 애플리케이션이 시연될 때, 이는 대개 관심 있는 객체를 강조하기 위해 bounding boxes or segmentation masks(으)로 주석이 달린 이미지나 비디오와 같은 다양한 시각적 출력을 포함합니다. 이러한 시각 자료는 인상적이지만, 어떤 실행 가능한 인사이트를 제공할 수 있는지 항상 명확하게 보여주는 것은 아닙니다.

소매점을 예로 들어 보겠습니다. Ultralytics YOLOv8과 같은 computer vision 모델을 사용하여 고객이 가장 시간을 많이 보내는 곳을 보여주는 히트맵을 만들 수 있습니다. 시각화는 대부분의 고객이 걷거나 머무는 경향이 있는 곳을 나타내는 다채로운 지도처럼 보일 수 있습니다. 그러나 얻을 수 있는 진정한 인사이트는 매장의 성과가 저조한 구역을 식별할 수 있다는 점입니다. 소매업체는 이러한 실행 가능한 인사이트를 사용하여 제품 배치를 재조정하고, shelf space을(를) 최적화하며, 프로모션 디스플레이를 조정하여 고객 참여를 유도하고 매출을 증대할 수 있습니다.

Fig 1. Ultralytics YOLOv8을 사용하여 소매점을 위해 생성된 히트맵의 예시입니다.

computer vision의 진정한 가치는 이러한 시각적 출력을 성장과 효율성을 견인하기 위해 운영을 직접 개선하고 최적화할 수 있는 의미 있는 business insights(으)로 변환하는 데 있습니다. 이 글에서는 computer vision이 기업에 제공할 수 있는 것과 이것이 기업 운영에 어떻게 실질적인 영향을 미칠 수 있는지 살펴보겠습니다. 또한 시각적 출력을 넘어 실제 결과를 도출하는 실행 가능한 인사이트를 활용하기 위한 전략에 대해서도 논의하겠습니다. 시작해 보겠습니다!

AI에서의 시각화 대 인사이트: 흔한 오해#

먼저 시각화와 인사이트의 차이점을 이해하는 것부터 시작하겠습니다. computer vision에서 경계 상자와 히트맵 같은 visualizations은 model의 출력을 이해하는 데 중요합니다. 이러한 시각적 출력은 computer vision이 할 수 있는 것과 할 수 없는 것을 보여주는 디딤돌 역할을 합니다. 그러나 인사이트는 이러한 시각 자료를 넘어서며, 정보에 입거한 결정을 내리거나, 프로세스를 개선하거나, 패턴을 더 깊이 이해하는 데 사용할 수 있는 귀중한 정보를 제공합니다. 이러한 인사이트는 원시 시각 데이터를 트렌드를 파악하고, 결과를 예측하며, 전략을 최적화하는 데 도움이 되는 의미 있는 결론으로 전환합니다.

예를 들어, 컴퓨터 비전 운동 모니터링 시스템은 포즈 추정 및 Ultralytics YOLOv8과 같은 모델을 사용하여 관절 및 사지 같은 핵심 포인트를 식별함으로써 신체 움직임을 추적할 수 있습니다. 사람이 움직이는 방식을 보여주는 애니메이션 스켈레톤과 같은 시각적 출력은 시각적으로 흥미로울 수 있습니다. 그러나 진정한 가치는 수행한 팔굽혀펴기나 스쿼트 횟수, 각 운동의 지속 시간, 반복의 일관성, 세션 내내 유지된 자세의 품질 등 이 데이터가 제공하는 정량화 가능한 인사이트에서 나옵니다.

트레이너는 이러한 인사이트를 사용하여 고객의 운동 자세를 분석하고, 부상을 유발할 수 있는 잘못된 움직임을 파악하며, 시간에 따른 성과를 추적하고, 운동 습관을 이해할 수 있습니다. 이러한 인사이트는 트레이너가 더 나은 피드백을 제공하고, 더 효과적인 운동 계획을 설계하며, 고객이 더 안전하고 효율적으로 fitness goals에 도달할 수 있도록 돕습니다.

Fig 2. Ultralytics YOLOv8을 사용한 신체 움직임 추적.

컴퓨터 비전으로 비즈니스 가치 제공#

기술이 발전함에 따라 기업은 항상 경쟁에서 앞서 나갈 수 있는 방법을 모색하고 있으며, computer vision은 이를 위한 훌륭한 방법입니다. computer vision의 인사이트를 기존 워크플로에 통합함으로써 기업은 실제적이고 measurable results을 확인할 수 있습니다.

이러한 인사이트는 다음과 같은 비즈니스의 다양한 영역에서 가치 있는 정보를 제공할 수 있습니다.

• Performance metrics: 핵심 성과 지표와 패턴을 강조하는 정량적 데이터.
• 트렌드 분석: 시간 경과에 따른 고객 행동이나 시장 상황의 변화 및 새로운 트렌드 파악.
• 예측 인사이트: 과거 및 실시간 데이터를 사용하여 향후 결과를 예측하거나 잠재적인 문제 식별.
• 실시간 알림: 주의가 필요한 중요한 이벤트, 이상 징후 또는 변경 사항에 대한 즉각적인 알림.

예를 들어, 석유 및 가스 산업에서는 용광로의 화재나 가스 누출 감지가 전통적으로 수동 모니터링이나 기본 센서 시스템을 통해 처리되었습니다. 이러한 방법은 잠재적인 위험을 조기에 포착하는 데 필요한 속도와 정밀도가 부족한 경우가 많습니다. 컴퓨터 비전은 카메라와 Ultralytics YOLOv8 같은 객체 검출 모델을 사용하여 용광로를 지속적으로 모니터링하고 비정상적인 화염, 과도한 연기 또는 가스 누출과 같은 문제를 신속하게 파악함으로써 이 과정을 개선할 수 있습니다.

이 애플리케이션의 시각적 결과물은 화재가 감지된 영역을 강조하는 이미지상의 바운딩 박스로 나타날 수 있습니다. 하지만 진정한 이점은 이러한 시각적 단서를 실행 가능한 인사이트로 전환하는 데서 옵니다. 이러한 인사이트는 화재의 원인을 정확히 파악하고, 장비 문제를 예측하며, 향후 문제를 방지하기 위한 유지보수를 계획하는 데 도움을 줄 수 있습니다. 이러한 인사이트를 활용하여 산업 기업은 잠재적인 화재에 신속하게 대응하고, 비용이 많이 드는 피해를 방지하며, 가동 중단 시간을 줄이고, 안전성과 효율성을 향상시킬 수 있습니다.

Fig 3. Ultralytics YOLOv8을 사용한 화재 감지.

AI를 활용한 데이터 기반 의사결정#

학습된 모델의 시각적 출력은 더 깊은 분석을 위해 대시보드와 데이터베이스로 정리되는 인사이트로 변환될 수 있습니다. 특히 대시보드는 비즈니스 소유자에게 성능 메트릭에 대한 명확한 뷰를 제공하고, 이상 징후를 파악하는 데 도움을 주며, 실시간 정보를 기반으로 한 데이터 기반 의사결정을 지원할 수 있습니다.

예를 들어, 교통 모니터링에서는 Ultralytics YOLOv8과 같은 컴퓨터 비전 모델을 사용하여 실시간 교통 영상을 분석하고 도로 위의 자동차, 밴, 버스와 같은 다양한 차량을 검출 및 추적할 수 있습니다. 출력 시각화는 레이블이 지정된 차량을 표시하고 특정 구역에 진입하고 나가는 차량의 수를 추적할 수 있습니다. 이 정보는 구역별 차량 수를 세분화하여 제공하고 총 차량 수 및 평균 속도와 같은 주요 메트릭을 계산하는 대시보드에 표시될 수도 있습니다.

Fig 4. Ultralytics YOLOv8을 사용한 교통 상황 검출 및 추적.

이러한 인사이트는 교통 관리 팀이 교통 흐름을 이해하고, 혼잡 지점을 식별하며, 교통 체증을 예측하고, 교통 신호나 경로를 조정하여 원활한 소통을 유지하는 데 도움이 됩니다. 이 시스템은 시각적 데이터를 실행 가능한 인사이트로 변환함으로써 city planners이(가) 교통 흐름을 개선하고 도로상의 문제를 줄이기 위한 현명한 결정을 내릴 수 있도록 돕습니다.

AI와 비즈니스 요구사항 사이의 간극 해소#

실행 가능한 computer vision 인사이트의 비즈니스 영향에 대해 논의했으므로, 이제 데이터 시각화와 비즈니스 인사이트 사이의 격차를 해소하기 위한 전략을 살펴보겠습니다. AI 솔루션을 개발할 때, 이러한 고려 사항은 단순한 computer vision tasks을(를) 넘어 데이터 내의 맥락과 관계를 이해하는 데 도움이 되므로 매우 중요합니다. 심층 분석을 통해 더 의미 있고 비즈니스 니즈와 더 관련이 있는 인사이트를 생성할 수 있습니다.

우선, AI 개발자와 비즈니스 리더 간의 소통을 개선하는 것이 필수적입니다. AI 개발자는 비즈니스 이해관계자와 공개적인 토론을 통해 그들의 목표, 과제, 그리고 달성하고자 하는 바를 이해할 수 있습니다. 비즈니스 소유자의 관점에서 생각하면 computer vision이 특정 문제를 직접적으로 해결할 수 있는 방법을 더 쉽게 파악할 수 있습니다. 개발자는 일반적인 솔루션을 개발하는 대신 실제 비즈니스 니즈를 해결하는 computer vision 애플리케이션을 만드는 데 집중할 수 있습니다.

앞서 논의한 석유 및 가스 시나리오를 예로 들면, 비즈니스 이해관계자와 직접 대화하면 개발자가 감지된 화재의 크기와 심각도에 따라 경고를 전송하는 등의 특정 요구 사항을 이해하는 데 도움이 될 수 있습니다. 이러한 세부 정보를 알면 개발자는 중요한 경고를 우선순위로 지정하도록 솔루션을 맞춤화하여 더 빠른 응답 시간을 보장하고 위험을 줄여 안전성과 효율성을 높일 수 있습니다.

그림 5. 의사소통은 필수적입니다. 이미지 출처: Envato Elements.

명확한 소통이 이루어지면 다음 단계는 데이터 품질과 처리에 집중하는 것입니다. 개발자는 학습 및 분석에 사용되는 데이터가 깨끗하고 일관되며 클라이언트의 요구 사항과 관련이 있는지 확인할 수 있습니다. 데이터 처리를 간소화하면 지연을 줄이고 정확하고 시기적절한 인사이트를 제공하는 데 도움이 됩니다. 또한 computer vision 시스템을 기존 비즈니스 도구와 통합하면 의사결정이 향상되고 기업이 중요한 인사이트에 신속하게 대응할 수 있습니다.

고려해야 할 몇 가지 요소는 다음과 같습니다.

• User-friendly visualization: 비기술적 이해관계자가 시각적 출력을 간단하고 쉽게 해석할 수 있도록 보장합니다.
• Scalability: 비즈니스의 증가하는 데이터 요구 사항과 운영 변화에 맞춰 확장할 수 있는 AI 솔루션을 설계합니다.
• 실시간 분석: 실시간 데이터 처리를 통합하여 즉각적인 조치를 촉진할 수 있는 시기적절한 인사이트를 제공하십시오.
• Security and privacy: 특히 민감한 정보를 다룰 때 데이터 무결성과 기밀성을 보호합니다.
• Continuous learning and adaptation: 변화하는 비즈니스 환경과 데이터 패턴에 적응하기 위해 지속적인 학습 및 model updates 메커니즘을 구현합니다.

컴퓨터 비전의 미래와 비즈니스#

바운딩 박스나 마스크와 같은 시각적 결과물은 컴퓨터 비전의 기능을 보여주지만, 기업에는 단순한 시각적 표현 이상의 것이 필요합니다. 그들은 의사결정과 운영 개선을 촉진할 수 있는 실행 가능한 인사이트가 필요합니다. 비즈니스 목표를 이해하고 실제 문제에 컴퓨터 비전을 적용함으로써 개발자는 운영을 개선하고 고객 경험을 향상하며 비용을 절감하는 인사이트를 제공할 수 있습니다.

시각화와 실행 가능한 인사이트 사이의 간극을 해소하기 위해 개발자는 이해관계자와 명확하게 소통하고, 고품질 데이터를 사용하며, 데이터 처리를 개선할 수 있습니다. 이러한 단계는 기업이 컴퓨터 비전 기술을 최대한 활용하여 인사이트를 실질적인 이익으로 전환하는 데 도움이 됩니다.

함께 배우고 탐색해 봅시다! GitHub repository를 확인하여 AI에 대한 기여도를 확인하고, our community에 참여하는 것도 잊지 마세요. 최첨단 AI 기술로 manufacturing 및 healthcare와 같은 산업을 어떻게 재정의하고 있는지 알아보세요.