YOLOvME: 군집 수 계산, 도말 평가 및 야생동물 탐지
Martin Schätz가 YOLOv5를 활용해 감염병 연구, 군집 수, 야생동물 모니터링을 위한 효율적인 이미지 분석을 구현한 방법을 알아보세요.
수많은 이미지, 데이터, 결과 등을 평가해야 했던 적이 있으신가요? 설상가상으로 이러한 평가를 수작업으로 진행해야 했던 적도 있으신가요? 물론 이는 엄청난 시간이 소요되는 작업입니다.
Martin Schätz에게 Ultralytics YOLOv5는 감염병 연구 및 모니터링에 필요한 이미지 분석 시간을 줄이는 데 유용한 도구임이 입증되었습니다. Martin은 여러 가지 업무를 동시에 수행하지만, 그의 업무 핵심은 바이오이미지 분석에 있으며, 그는 이 분야를 “컴퓨터 과학과 생물학 사이의 지점”이라고 설명합니다. 저희는 Martin의 콜로니 모니터링 및 계수 작업에 대해 더 자세히 알아보고자 그를 만나 몇 가지 질문을 드렸습니다.
Ultralytics YOLOv5로 정확히 어떤 작업을 수행하시나요?#
Martin이 자신의 프로젝트에 Ultralytics YOLOv5를 도입한 배경에는 객체 탐지, 분류 및 계수를 위한 기존 프로세스를 자동화해야 한다는 필요가 있었습니다. Martin은 Long-Term Evolution Experiment와 같은 사례에도 YOLOv5를 사용하고자 합니다.
세균 콜로니 계수#
실험실에서는 한천 배지에서 배양한 세균 콜로니를 일반적으로 기술자가 수작업으로 계수합니다. 안타깝게도 수작업 계수는 오류가 발생하기 쉬운 결과로 이어질 수 있습니다. Martin은 이 문제를 해결하기 위해 Ultralytics YOLOv5를 활용하여 계수 프로세스를 자동화했습니다. 이 접근 방식은 콜로니 탐지 및 분류에 소요되는 오류와 시간을 크게 줄였습니다.
현미경 객체 탐지 및 분류#
현미경 세계에서 테스트를 수행하려면 도말 표본을 평가해야 합니다. 이 작업은 여전히 대부분 수작업으로 수행됩니다. 또한 수작업 프로세스는 결과에서 오류와 변동성이 발생할 가능성이 더 높습니다. 특정 형태의 객체를 탐지하기 위한 적절한 도구가 존재하지만, 다양한 객체를 자동으로 계수하고 분류하기 위한 더욱 전문화된 도구도 필요합니다.
야생동물 탐지 및 모니터링#
“제 동료들은 숲과 기타 장소에서 야생동물을 기록하며, 보통 동영상을 수작업으로 검토합니다. 즉, 앉아서 수백 개의 동영상을 일일이 확인해야 합니다.”
동영상에서 멧돼지나 사슴이 나타나는 순간을 수작업으로 찾는 데 엄청난 시간이 걸릴 수 있다는 점을 고려했을 때, Martin은 객체 탐지가 이 프로세스를 확실히 최적화할 수 있다는 것을 알고 있었습니다. 이 사례에서는 Ultralytics YOLOv5를 도입하여 동물이 카메라의 시야에 들어오면 야생동물을 쉽고 즉시 탐지할 수 있도록 했습니다.
머신 러닝과 Vision AI 분야에는 어떻게 입문하셨나요?#
Martin은 석사 학위 과정에서 자신이 “이미지 분석에 대한 고전적 접근 방식”이라고 부르는 내용을 공부했습니다. 학위를 마칠 무렵에는 딥러닝이 점점 더 많이 논의되고 있었으며, 당시에는 이를 단지 “컨볼루션 네트워크”라고 불렀습니다.
이 기간 동안 Martin은 데이터를 마이닝하는 작업을 하고 있었지만, 그 데이터는 활용성이 매우 낮았습니다. 데이터와 직접 부딪혀 작업하고 싶었던 Martin은 머신 러닝과 Vision AI 분야에 깊이 뛰어들기로 했습니다.
Ultralytics YOLOv5를 처음 시작하는 사람에게 어떤 조언을 하시겠어요?#
현재 ML과 Vision AI를 배우는 과정은 상당히 복잡할 수 있습니다. 한동안 Vision AI를 사용해 온 Martin은 시작하려는 사람이라면 누구나 참고할 수 있도록 세 가지 사항을 언급했습니다.
- “과학자로서 저는 모든 내용을 먼저 읽는 것을 선호합니다. 그래야 처음 읽었을 때 완전히 이해하지 못한 내용을 다시 읽을 수 있기 때문입니다.” 모델 학습에 본격적으로 뛰어들기 전에 기본적인 수준의 이해를 갖추면 초보자도 그 과정을 훨씬 수월하게 진행할 수 있습니다.
- 또한 Martin은 다른 사람들의 사용 사례를 살펴보는 것의 유용성도 언급했습니다. 다른 사람들이 무엇을 하고 있는지 살펴보면 자신의 활용 사례와 프로젝트에 대한 영감을 얻을 수 있습니다.
- 프로젝트를 반복해서 실행하고 테스트하세요. 무언가를 변경해야 한다는 것을 발견하면 돌아가서 수정한 다음, 더 많은 테스트와 반복 작업을 진행하며 계속 나아가세요.
Martin Schätz는 공초점 현미경 분야의 바이오이미지 분석 및 데이터 처리에 중점을 두고 연구와 교육을 병행하는 연구자입니다. Martin이 진행 중인 프로젝트의 목적은 감염병 연구 및 모니터링을 위한 이미지 분석 프로세스를 최적화하는 것입니다. Martin의 세 가지 프로젝트에 대한 문서와 자세한 내용은 그의 GitHub 저장소에서 확인할 수 있습니다. 또한 Martin은 생물학/현미경 분야의 과학적 이미지 분석에 가장 많이 사용되는 도구를 홍보하는 조직인 NEUBIAS의 일원이며, 여기에는 모델 Zoo의 학습된 딥러닝 모델도 포함됩니다.
여러분의 YOLOv5 사용 사례도 소개하고 싶습니다! 소셜 미디어에서 @Ultralytics를 태그하고 #YOLOvME를 사용하면 소개될 기회를 얻을 수 있습니다.
