OBB(Oriented Bounding Box) 감지가 실제 애플리케이션 전반에서 이미지 내 회전된 객체를 정확하게 식별하여 객체 감지를 어떻게 향상시키는지 살펴보세요.
OBB(Oriented Bounding Box) 감지가 실제 애플리케이션 전반에서 이미지 내 회전된 객체를 정확하게 식별하여 객체 감지를 어떻게 향상시키는지 살펴보세요.
사물이 어떻게 배열되어 있든, 어느 방향을 향하고 있든 상관없이 사물을 인식하는 것은 인간으로서 우리에게 자연스러운 일입니다. 교차로의 자동차든 항구의 보트든 우리는 그것이 무엇인지, 어느 방향을 가리키고 있는지 쉽게 알 수 있습니다. 그러나 인공지능(AI) 시스템의 경우 그렇게 간단하지 않습니다.
예를 들어, 이미지와 비디오 이해에 초점을 맞춘 AI 분야인 컴퓨터 비전은 객체 감지와 같은 작업을 가능하게 하여 기계가 장면 내에서 객체를 식별하고 찾을 수 있도록 합니다. 기존의 객체 감지는 축 정렬 바운딩 박스를 사용하여 객체 주위에 상자를 그립니다. 이러한 상자는 직선과 고정된 직각으로 이루어져 있습니다. 이 접근 방식은 객체가 똑바로 서 있고 서로 너무 가깝지 않을 때 효과적입니다.
그러나 물체가 기울어지거나 회전하거나 서로 가까이 있을 때 기존의 객체 감지 방식으로는 정확하게 캡처하기 어려운 경우가 많습니다. 이러한 더 복잡한 상황을 처리하기 위해 OBB(Oriented Bounding Box) 감지와 같은 기술이 도입되었습니다. 표준 경계 상자와 달리 OBB는 물체의 각도와 모양에 맞게 회전하여 더 촘촘하고 정확하게 맞출 수 있습니다.
다음과 같은 컴퓨터 비전 모델 Ultralytics YOLO11와 같은 컴퓨터 비전 모델은 특히 항공 감시와 같이 물체 방향이 중요한 시나리오에서 다양한 실시간 애플리케이션을 가능하게 합니다. 그 외에도 OBB 감지는 의료, 농업 및 문서 분석에도 사용됩니다.
본 문서에서는 OBB(Oriented Bounding Box) 감지가 무엇인지, 어떻게 작동하는지, 그리고 실제 시나리오에서 어떻게 적용되고 있는지 살펴보겠습니다. 그럼 시작해 볼까요!
방향이 지정된 바운딩 박스는 이미지에서 감지된 객체를 나타내기 위해 컴퓨터 비전에서 사용되는 직사각형 상자 유형입니다. 표준 바운딩 박스는 이미지의 수평 및 수직 축에 맞춰 정렬되지만 OBB는 객체의 실제 각도에 맞게 회전할 수 있습니다.
이러한 회전 능력은 여러 가지 이점을 제공합니다. OBB는 객체의 방향과 더 밀접하게 정렬되어 상자가 객체의 모양과 방향에 꼭 맞게 들어갈 수 있습니다. 결과적으로 감지가 더욱 정확하고 정밀해집니다.
OBB는 항공 영상에서 곡선 도로에서 회전하는 자동차, 책상 위에 기울어진 책 또는 의료 스캔에서 회전된 종양과 같이 객체가 완벽하게 똑바로 세워져 있지 않은 경우 특히 유용합니다. OBB는 객체의 각도를 더 정확하게 일치시켜 감지 성능을 향상시키고 배경 간섭을 줄이며 객체의 위치만큼 방향이 중요한 애플리케이션에 특히 적합합니다.
OBB 탐지와 기존 객체 탐지는 처음에는 비슷해 보일 수 있지만 사용되는 방식과 상황이 다릅니다. 어떻게 비교되는지 자세히 살펴보겠습니다.
YOLO11 같은 컴퓨터 비전 모델은 산업 검사와 같은 다양한 실제 애플리케이션에서 물체를 detect classify 훈련할 수 있습니다. 다양한 기계 부품이 컨베이어 벨트를 따라 움직이는 공장 조립 라인을 생각해 봅시다. 일부 부품은 깔끔하게 배치되어 있지만 다른 부품은 진동이나 속도로 인해 약간 회전하거나 기울어지거나 겹칠 수 있습니다.
기존 객체 감지는 이미지의 수평 및 수직 가장자리에 맞춰진 직사각형 상자를 사용합니다. 따라서 부품이 회전되면 상자가 제대로 맞지 않을 수 있습니다. 객체의 일부를 제외하거나 배경을 너무 많이 포함할 수 있습니다. 이로 인해 감지 정확도가 떨어지고 시스템이 부품을 자신 있게 식별하기 어려워질 수 있습니다.
이제 OBB 탐지를 사용하고 있다고 가정해 보겠습니다. 이 경우 모델은 각 부품의 정확한 각도에 맞게 회전하는 상자를 그릴 수 있습니다. 기울어진 기어 또는 각진 구성 요소는 모양과 방향에 맞는 상자에 단단히 둘러싸여 있습니다. 이는 특히 자동화된 품질 관리 또는 로봇 분류와 같은 사용 사례와 관련하여 더 나은 정밀도, 더 적은 오류 및 더 신뢰할 수 있는 결과를 의미합니다.
이제 OBB 감지가 무엇인지 더 잘 이해했으므로, 이를 지원하는 가장 널리 사용되는 Vision AI 모델을 살펴보겠습니다.
회전하거나 기울어진 물체를 감지하기 위해 특별히 개발된 고급 컴퓨터 비전 모델이 여러 가지 있습니다. 그중에서도 특히 신뢰할 수 있고 효율적인 OBB 감지 기능으로 잘 알려진 것이 바로 Ultralytics YOLO 모델입니다.
다음과 같은 이전 버전 Ultralytics YOLOv5 와 같은 이전 버전은 표준 객체 감지를 위해 설계되었습니다. 이후 버전에서는 다음과 같은 Ultralytics YOLOv8 과 같은 최신 버전에서는 OBB 감지를 기본적으로 지원합니다. 특히 YOLO11 속도 저하 없이 최첨단 정확도를 제공하므로 실시간 애플리케이션을 위한 강력한 옵션이 될 수 있습니다.
obb 같은 사전 학습된 YOLO11 OBB 모델은 다양한 각도와 방향에서 나타나는 비행기, 선박, 테니스 코트와 같은 다양한 객체 클래스로 주석이 달린 항공 이미지로 구성된 DOTAv1과 같은 데이터 세트로 학습됩니다.
또한 나노(obb)부터 초대형(obb)까지 5가지 크기로 제공되므로 다양한 성능 요구 사항에 맞게 선택할 수 있습니다. 이러한 다용도성 덕분에 도시 인프라 모니터링과 기계 검사부터 스캔 문서의 왜곡된 텍스트 판독에 이르기까지 다양한 산업 분야에 적용할 수 있습니다.
많은 실제 상황에서 detect 하는 물체는 표준 훈련 데이터 세트의 물체와 완전히 다를 수 있습니다. 예를 들어 생산 라인의 도구, 제품 패키지 또는 회로 기판의 부품과 같은 물체는 회전하거나 불규칙하게 배치되거나 모양이 다를 수 있습니다.
특히 방향이 중요한 경우 이러한 사용자 지정 객체를 정확하게 detect 자체 이미지와 레이블을 사용하여 YOLO11 같은 모델을 학습시키는 것이 중요합니다. 이 과정을 사용자 지정 학습이라고 합니다.
OBB 감지를 위해 YOLO11 훈련시키는 단계별 프로세스를 자세히 살펴보세요:
중심에서 벗어나거나 기울어진 객체는 실제 시나리오에서 매우 일반적입니다. OBB 감지가 이러한 객체를 정확하게 감지하여 실제로 차이를 만드는 몇 가지 예를 살펴보겠습니다.
OBB(Oriented Bounding Box) 감지는 정밀도를 향상시켜 의료 영상 분석을 한 단계 더 발전시킬 수 있습니다. 의료 영상에는 종종 종양, 장기 또는 뼈와 같은 해부학적 구조가 포함됩니다. 이러한 구조는 불규칙한 모양과 다양한 방향으로 나타나는 경우가 많습니다. OBB는 객체의 각도에 맞춰 회전할 수 있으므로 진단 및 치료 계획에 중요한 더 정확한 위치 파악 및 측정을 제공합니다.
이러한 접근 방식은 뼈의 위치와 정렬이 핵심 요소인 뼈 골절의 X선 이미지를 분석할 때 특히 효과적입니다. 예를 들어 OBB 감지는 소아 팔꿈치 X선을 분석하는 데 사용되었습니다. 뼈의 방향에 맞게 조정하여 감지 정확도를 향상시키는 데 도움이 되었습니다.
항공 감시는 공공 안전, 환경 모니터링, 도시 계획과 같은 분야에서 필수적인 도구입니다. 드론이나 인공위성으로 촬영한 이미지는 선박, 차량, 건물과 같은 물체를 식별하는 데 도움이 될 수 있습니다. 그러나 이러한 이미지에서 물체는 종종 작고 비정상적인 각도로 나타나기 때문에 정확하게 detect 더 어렵습니다.
OBB 감지는 각 객체의 각도에 맞게 경계 상자를 기울여 이 문제를 해결합니다. 이를 통해 객체의 크기와 방향을 보다 정확하게 측정할 수 있으므로 도시 계획, 국방, 재난 대응 및 환경 모니터링과 같은 분야에서 더 나은 의사 결정을 지원합니다.
OBB 감지의 흥미로운 예는 해상 감시에서 선박을 추적하는 것입니다. 위성 이미지는 날씨, 조명 또는 움직임으로 인해 다양한 각도와 크기로 선박을 캡처하는 경우가 많습니다. OBB는 이러한 변화에 적응하여 특히 더 작거나 부분적으로 가려진 선박의 감지 기능을 향상시킬 수 있습니다.
수확 후 농작물을 분류하는 것은 포장하여 시장에 보내기 전에 품질을 보장하기 위한 중요한 단계입니다. 사과나 오렌지와 같은 둥근 과일에는 많은 시스템이 잘 작동하지만 당근이나 지자니아 새싹처럼 길고 좁은 작물은 다루기가 훨씬 더 어려울 수 있습니다. 모양이 다양하고 각도가 다른 경우가 많기 때문에 정확하게 detect 분류하기가 까다롭습니다.
이 문제를 해결하기 위해 연구원들은 방향성 경계 상자(OBB) 감지를 사용하여 이러한 작물을 더 정확하게 식별하고 등급을 매기는 시스템을 개발했습니다. 이 시스템은 한 이미지에서 여러 작물이 기울어지거나 겹쳐져 있어도 이를 detect 실시간으로 품질과 위치를 평가할 수 있습니다.
OBB 감지를 사용할 때의 이점은 다음과 같습니다.
복잡한 장면에서 감지 정확도를 향상시키는 데 도움이 되지만 OBB 감지에는 고려해야 할 몇 가지 제한 사항이 있습니다.
경사 바운딩 박스 감지는 컴퓨터 비전 솔루션이 완벽하게 똑바르거나 정렬되지 않은 객체를 더 쉽게 인식할 수 있도록 합니다. 객체의 위치와 방향을 모두 캡처하여 OBB 감지는 의료 이미지 스캔, 농지 모니터링 또는 위성 사진 분석과 같은 실제 사용 사례에서 정확도를 향상시킵니다.
YOLO11 같은 모델을 통해 OBB 감지에 대한 접근성이 높아지면서 많은 산업 분야에서 실용적인 선택이 되고 있습니다. 기울어지거나 겹치거나 이상한 모양의 물체를 처리할 때 OBB 감지는 표준 방법으로는 놓치기 쉬운 정밀도를 한층 더 높여줍니다.
AI에 대해 더 궁금하신가요? 컴퓨터 비전 프로젝트를 시작하려면 GitHub 저장소를 탐색하고, 커뮤니티와 연결하고, 라이선스 옵션을 확인하세요. 솔루션 페이지에서 소매업의 AI 및 물류 산업의 컴퓨터 비전과 같은 혁신에 대해 자세히 알아보세요.
