YOLOvME: 집락 계수, 도말 표본 평가, 야생동물 탐지

수많은 이미지, 데이터, 결과 등을 평가해야 했던 적이 있으신가요? 그 평가를 수동으로 해야 했던 적도 있으신가요? 물론 엄청난 시간이 소요됩니다.

Martin Schätz에게 Ultralytics YOLOv5는 감염병 연구와 모니터링에 필요한 이미지 분석 시간을 줄이는 데 유용한 도구였습니다. Martin은 여러 업무를 맡고 있지만, 그의 주요 업무는 바이오이미지 분석에 중점을 두며 이 분야를 “컴퓨터 과학과 생물학이 만나는 지점”이라고 설명합니다. 군집 모니터링과 계수에 관한 Martin의 작업을 자세히 알아보기 위해 몇 가지 질문을 나눴습니다.

Ultralytics YOLOv5로 정확히 어떤 작업을 하시나요?#

Martin이 프로젝트에 Ultralytics YOLOv5를 적용한 이유는 객체 탐지, 분류, 계수를 위한 기존 프로세스를 자동화할 필요가 있었기 때문입니다. 또한 Martin은 장기 진화 실험과 같은 사례에도 YOLOv5를 활용하고자 합니다.

세균 콜로니 계수#

실험실에서는 한천 배지에서 자란 박테리아 군집을 기술자가 일반적으로 수동으로 계수합니다. 하지만 수동 계수는 오류가 발생하기 쉽습니다. Martin은 이 문제를 해결하기 위해 Ultralytics YOLOv5를 활용해 계수 과정을 자동화했습니다. 이 방식은 군집 감지와 분류에 드는 시간과 관련 오류를 크게 줄였습니다.

현미경 이미지의 객체 탐지 및 분류#

현미경 세계에서 검사를 수행하려면 도말 표본을 평가해야 합니다. 이 과정은 여전히 대부분 수동으로 진행됩니다. 수동 작업은 결과에서 오류와 변동이 발생하기 쉽습니다. 또한 특정 모양의 객체를 탐지하는 적절한 도구는 있지만, 다양한 객체를 자동으로 계수하고 분류하려면 더 전문화된 도구가 필요합니다.

야생동물 탐지 및 모니터링#

“동료들은 숲과 다른 장소에서 야생동물을 촬영한 뒤, 보통 영상을 수동으로 확인합니다. 수백 개의 영상을 앉아서 일일이 살펴봐야 한다는 뜻입니다.”

동영상에서 멧돼지나 사슴이 나온 장면을 수동으로 찾는 데 엄청난 시간이 걸릴 수 있다는 점을 고려하면, Martin은 객체 탐지가 이 과정을 확실히 최적화할 수 있다고 판단했습니다. 이때 Ultralytics YOLOv5를 구현해 동물이 카메라 시야에 들어오면 야생동물을 쉽고 즉시 탐지할 수 있었습니다.

머신러닝과 비전 AI 분야에는 어떻게 입문하셨나요?#

Martin은 석사 과정에서 자신이 “고전적인 이미지 분석 방법”이라고 부르는 기법을 연구했습니다. 학위를 마칠 무렵에는 딥러닝에 대한 논의가 점점 많아지고 있었으며, 당시에는 이를 단순히 “컨볼루션 네트워크”라고 불렀습니다.

이 기간에 Martin은 데이터 마이닝 작업을 했지만, 그 데이터는 활용하기가 쉽지 않았습니다. 데이터를 직접 다루고 싶었던 Martin은 머신러닝과 비전 AI 분야에 뛰어들기로 했습니다.

Ultralytics YOLOv5를 시작하려는 사람에게 어떤 조언을 해주시겠어요?#

현재 ML과 비전 AI를 배우는 과정은 상당히 복잡할 수 있습니다. 비전 AI를 한동안 사용해 온 Martin은 시작하려는 사람들을 위해 세 가지 사항을 언급했습니다:

1. “과학자로서 저는 먼저 모든 내용을 읽고, 처음 읽을 때 완전히 이해하지 못한 부분은 다시 읽는 편입니다.” 모델 학습에 뛰어들기 전에 기본적인 이해를 쌓으면 초보자도 훨씬 수월하게 과정을 진행할 수 있습니다.
2. 또한 Martin은 다른 사람들의 활용 사례를 살펴보는 것이 유용하다고 언급했습니다. 다른 사람들이 하는 일을 살펴보면 자신의 용도와 프로젝트에 대한 영감을 얻을 수 있습니다.
3. 프로젝트를 반복해서 실행하고 테스트하세요. 무언가를 바꿔야 한다고 판단되면 돌아가서 수정한 다음, 테스트와 반복 작업을 이어가세요.

Martin Schätz는 공초점 현미경의 생물 이미지 분석과 데이터 처리에 중점을 두고 연구와 강의를 병행합니다. Martin이 진행하는 프로젝트의 목적은 감염병 연구와 모니터링을 위한 이미지 분석 과정을 최적화하는 것입니다. Martin의 세 가지 프로젝트에 관한 문서와 자세한 내용은 GitHub 저장소에서 확인할 수 있습니다. 또한 Martin은 생물학 및 현미경 분야에서 과학 이미지 분석에 널리 사용되는 도구를 보급하는 단체인 NEUBIAS의 회원이며, 여기에는 모델 Zoo의 학습된 딥러닝 모델도 포함됩니다.

여러분의 YOLOv5 활용 사례도 소개하고 싶습니다! 소개될 기회를 얻으려면 소셜 미디어에서 @Ultralytics를 태그하고 #YOLOvME를 사용해 주세요.