YOLOvME: 숲의 디지털 혁명

스테파노 풀리티는 국가 산림 인벤토리 부서의 노르웨이 생물경제연구소(NIBIO) 에서 산림 원격 센싱을 연구하는 연구원입니다. NIBIO는 약 700명의 직원이 근무하는 노르웨이에서 가장 큰 연구 기관 중 하나입니다. 연구와 지식 생산을 통해 식량 안보와 안전, 지속 가능한 자원 관리, 혁신, 가치 창출에 기여하고 있습니다.

그의 연구에서는 드론과 모바일 레이저 스캐닝과 같은 기타 근거리 감지 기술을 사용하여 최신 정보 요구에 부응하는 데 필요한 고급 분석을 생성합니다.

그가 해온 작업의 대부분은 노르웨이 연구위원회에서 노르웨이의 대부분의 산림 산업 주체들과 함께 자금을 지원하는 장기 연구 프로그램인 SmartForest 프로젝트를 통해 이루어졌습니다. 스마트포레스트의 목표는 산림 정보, 벌목, 산림 운영, 목재 공급 및 업계의 전반적인 디지털 정보 흐름을 변화시키는 디지털 혁명을 실현하여 노르웨이 산림 부문의 효율성을 개선하는 것입니다.

스테파노는 수년 동안 랜덤 포레스트나 서포트 벡터 머신과 같은 전통적인 머신러닝 애플리케이션을 개발했습니다. 약 3년 전, 그는 산림 분야에서 아직 성장 단계에 있는 딥 러닝 분야에서 한 단계 더 발전할 때가 되었다는 것을 깨달았습니다. 연구자들이 딥러닝을 통해 얻을 수 있는 엄청난 이점을 깨달은 이후, 스테파노는 드론 및 머신 기반 비전 분야에서 여러 애플리케이션을 개발해 왔습니다.

YOLOv5를 사용한 지 얼마나 되셨나요?

"2021년 여름부터 사용해왔고 그 이후로 단 한 번도 포기한 적이 없습니다! 나는 그것을 말해야한다, 그것은 "첫눈에 반한"유형의 사랑이었습니다. YOLOv5 리포지토리를 쉽게 실행할 수 있었기 때문입니다. 당시에는 파이썬에 익숙하지 않았고 YOLOv5의 학습 곡선이 얕다는 점이 저에게 매우 유용했습니다."

스테파노는 주로 비생물(가뭄, 바람, 눈) 또는 생물(곤충, 곰팡이)로 인한 피해로 인해 건강 상태가 좋지 않은 나무를 드론 이미지에서 식별하기 위해 물체 감지에 의존해 왔습니다. 그 이후로 그와 그의 동료들은 포트홀부터 도로 가장자리 및 가마 탐지기에 이르기까지 다양한 YOLOv5 탐지기를 개발해 왔습니다.

"YOLOv5를 우연히 발견했을 무렵, 저는 한동안 TensorFlow 객체 감지 API에서 객체 감지기를 훈련시키려고 시도했지만 실패한 적이 있었습니다. 그러다가 YOLOv5 리포지토리를 발견하고 (큰 기대 없이) 탐지기를 훈련시키려고 시도했는데, 놀랍게도 코드 네 줄로 학습 과정을 시작하게 되었습니다. 이를 사고 과정이라고 정의할 수 있을지, 아니면 운이 좋았다고 할 수 있을지 모르겠지만 그렇게 시작되었습니다."

그런 다음 대부분의 모델은 클라우드 솔루션(ForestSens)에 배포되어 산림 부문에 서비스를 제공합니다. 여기서 사용자는 예를 들어 드론 이미지를 업로드할 수 있으며, 이 이미지는 YOLOv5 모델 제품군 덕분에 실행 가능한 인사이트로 전환됩니다. 훈련된 탐지기는 임업 기계나 벌목 트럭의 엣지에 배치되기도 합니다.

처음부터 스테파노와 그의 팀은 YOLOv5 모델 시리즈를 개발해 왔습니다:

1. 목재 품질 평가
2. 임도 유지 관리에 대한 요구 사항 모니터링
3. 숲에서 생물 다양성 관련 특징 감지하기

또한, 드론 기반 산림 건강 및 인벤토리 모델을 더 거친 해상도의 항공 및 위성 이미지 데이터로 확장하는 방안도 검토하고 있습니다.

이들은 최신 YOLOv5 릴리스가 제공하는 이미지 분류 및 시맨틱 세분화 기능에 큰 기대를 걸고 있습니다. 이러한 기능은 포리스트 환경에서 복잡한 컴퓨터 비전 작업을 해결할 수 있는 능력을 확장할 것입니다.

모델 교육(도커 버전)과 모델 배포 모두 설정이 간편하다는 점에서 YOLOv5는 이들에게 훌륭한 옵션이었습니다.

"Ultralytics에서 항상 저를 매료시킨 측면 중 하나는 핵심이 오픈 코드에 의존하고 비전문가도 딥 러닝의 강력한 기능을 이용할 수 있도록 유료 제품을 제공하는 다소 새로운 비즈니스 모델입니다. 과학자로서 저는 Ultralytics의 개방성을 매우 높이 평가하며, 이것이 제품 개발을 가속화할 수 있는 좋은 방법이라는 것을 알게 되었습니다. 그 결과, 많은 데이터 과학자와 실무자의 기여 덕분에 YOLOv5는 끊임없이 진화하면서 상당히 큰 폭으로 업그레이드되고 있습니다."

AI를 처음 접하는 사람에게 무엇을 추천하고 싶으신가요?

지난 한 해 동안 국제 컨퍼런스에 참석하면서 임업 연구자들이 딥러닝의 복잡성에 겁을 먹거나 딥러닝이 자신의 연구에 어떤 역할을 할 수 있다고 생각하지 않는다는 것을 알게 되었습니다. 이 모든 경우에 저는 반나절 정도 주석을 달고 YOLOv5를 훈련시켜서 그 힘과 단순성을 이해해보라고 제안했습니다.

실제로 제가 했던 말을 그대로 옮기면 이렇습니다: "당신의 방법이 효과가 없나요? 그럼 욜로하세요!"

스테파노 풀리티와 그의 작품에 대한 최신 정보를 얻고 싶으시다면 그의 트위터 계정을 팔로우하세요.

나만의 YOLOv5 사용 사례가 있으신가요?

자신만의 YOLOv5 사용 사례와 함께 소셜 미디어에 #YOLOvME를 태그해 주시면 ML 커뮤니티에 여러분의 작업을 홍보해 드리겠습니다.