Ultralytics YOLO 모델을 Pixelabs AI-Engine에 통합함으로써 Pixelabs는 시각적 업무 흐름을 자동화할 수 있었습니다. 예를 들어, 알츠하이머병 조기 감지를 위한 망막 영상 분석에서 지표 식별의 일관성이 개선되었으며 재현율은 최대 95%에 달했습니다.
오늘날에도 많은 산업, 운영 및 연구 업무 흐름에서는 프로세스를 확인하거나 패턴을 찾기 위해 사람이 이미지를 직접 검토합니다. 데이터가 늘어나면 이 작업은 빠르게 느려지고 일관성이 떨어지며 확장하기 어려워집니다.
이는 알츠하이머병 조기 감지를 위한 망막 영상 분석과 같은 연구 환경에서 특히 두드러집니다. 이미지에서 작은 지표를 식별하는 작업은 어렵고 시간이 많이 걸릴 수 있습니다.
Pixelabs는 실시간 이미지 및 동영상 분석용으로 설계된 시각 AI 플랫폼인 Pixelabs AI-Engine으로 이러한 문제를 해결합니다. 이 플랫폼은 컴퓨터 비전 모델과 Ultralytics YOLO 모델을 활용해 시각적 업무 흐름을 더 쉽게 자동화하고, 일관성을 높이며, 분석을 확장할 수 있도록 합니다.
컴퓨터 비전을 적용해 실제 업무 흐름 자동화하기#
Pixelabs는 기업이 컴퓨터 비전을 활용해 기존 프로세스를 자동화하고 개선할 수 있도록 시각 AI 솔루션을 개발합니다. 마드리드에 본사를 두고 바르셀로나와 영국에 사무소를 운영하는 이 회사는 다양한 산업에 적용할 수 있는 실용적인 AI 도구를 구축하는 데 주력합니다.
특히 Pixelabs AI-Engine 플랫폼은 객체 감지, 결함 식별, 표면 분석, 광학 문자 인식(OCR) 등의 작업을 위해 이미지와 동영상을 실시간으로 분석합니다. 이러한 기능을 통해 사용자는 시각 데이터를 더 효율적으로 처리하고 수동 검토에 대한 의존도를 낮출 수 있습니다.
이 플랫폼은 기존 시스템과 통합되도록 설계되어 있어 운영을 중단하지 않고도 조직이 컴퓨터 비전을 더 쉽게 도입할 수 있습니다. 이러한 유연성 덕분에 Pixelabs는 다양한 활용 사례를 지원하고 요구 사항이 늘어남에 따라 솔루션을 확장할 수 있습니다.
컴퓨터 비전 통합 및 확장의 과제#
많은 산업에서 일상적인 운영은 여전히 수동 업무 흐름과 제한적인 자동화에 의존합니다. 운영자, 엔지니어, 연구자는 여러 도구에 걸쳐 이미지를 직접 검토하고 결과를 검증하며 데이터를 관리하는 경우가 많습니다.
이로 인해 프로세스가 느려지고 표준화하기 어려워지며 일관성이 떨어지기 쉽습니다. 특히 데이터 규모가 커질수록 이러한 문제가 심해집니다. 조직이 컴퓨터 비전 도입을 추진하더라도 전환이 항상 순조롭게 진행되는 것은 아닙니다.
AI를 기존 시스템에 통합하려면 정착된 업무 흐름을 변경하거나 새로운 인프라를 구축하거나 추가 엔지니어링 작업을 수행해야 할 수 있습니다. 이 때문에 많은 솔루션은 시간이 지나도 확장하거나 유지 관리하기 어렵습니다.
예를 들어 알츠하이머병 조기 감지를 위한 망막 영상 분석과 같은 연구 환경에서는 이러한 문제가 더욱 복잡해집니다. 연구자는 매우 작은 특징을 감지하고, 대규모 이미지 데이터셋을 관리하며, 다양한 조건에서도 결과의 일관성을 유지해야 합니다.
그림 1. 쥐의 눈을 촬영한 망막 영상 예시입니다.
분석, 데이터 관리, 결과를 효율적으로 처리할 방법이 없으면 이러한 업무 흐름을 확장하고 신뢰할 수 있는 결과를 유지하기가 어렵습니다.
Ultralytics YOLO 모델을 활용한 망막 이미지 분석 자동화#
Pixelabs는 Ultralytics YOLO 모델을 Pixelabs AI-Engine에 통합해 이러한 문제를 해결했습니다. 이 플랫폼은 시각 AI 솔루션의 핵심 역할을 하며, 기존 업무 흐름을 방해하지 않고 다양한 애플리케이션에서 이미지와 동영상을 실시간으로 더 원활하게 분석할 수 있도록 합니다.
이 플랫폼은 객체 및 결함 감지, 표면 및 질감 분석, 색상 관리, OCR을 비롯한 다양한 작업을 지원합니다. 하드웨어에 종속되지 않고 API를 통한 통합을 고려해 설계되었으므로 여러 환경에 배포하고 확장할 수 있습니다.
이 접근 방식은 CIBIR 알츠하이머병 연구팀과의 최근 협업에 적용되었습니다. Pixelabs는 망막 영상을 이용해 쥐의 알츠하이머병을 조기에 감지하도록 지원하는 시스템을 개발했습니다. 목표는 질병의 초기 단계를 나타낼 수 있는 아밀로이드 베타 침착물과 같은 작은 지표를 식별하는 것이었습니다.
이를 위해 Pixelabs는 데이터 저장소, 이미지 처리, 사용자 인터페이스를 연결하는 업무 흐름을 구축했습니다. 실험실별 안저 촬영 장치로 촬영한 망막 이미지는 먼저 보안 파일 전송 프로토콜(SFTP)을 통해 전송되어 중앙 시스템에 저장되므로 대규모 데이터셋을 더 쉽게 관리하고 액세스할 수 있습니다.
일관된 결과를 보장하기 위해 이미지 품질과 조명의 차이를 처리하는 전처리 단계를 적용합니다. 이를 통해 시스템은 다양한 샘플과 조건에서도 정확도를 유지할 수 있습니다.
그런 다음 맞춤형으로 학습한 Ultralytics YOLOv8 모델을 포함한 비전 AI 모델을 사용해 이미지를 분석합니다. 성능과 정확도의 균형을 위해 YOLOv8의 중형 및 대형 변형 모델을 사용합니다.
이 파이프라인에서 Ultralytics YOLO 모델은 객체 감지와 이미지 분류에 사용되어 망막 이미지 내 아밀로이드 베타 침착물과 같은 작은 관심 영역을 식별하고 위치를 파악합니다.
그림 2. Ultralytics YOLOv8과 같은 컴퓨터 비전 모델은 아밀로이드 베타 침착물 감지에 도움이 될 수 있습니다.
마지막으로 결과는 웹 기반 플랫폼에서 제공됩니다. 사용자는 이미지를 업로드하고 나이, 성별, 표현형 등의 속성에 따라 데이터를 필터링하며, 신뢰도 점수와 함께 감지된 특징을 확인할 수 있습니다. 이를 통해 원시 이미지 데이터에서 명확하고 유용한 인사이트를 더 쉽게 얻을 수 있습니다.
Ultralytics YOLO 모델을 선택한 이유#
Pixelabs에 Ultralytics YOLO 모델은 다양한 활용 사례에 빠르게 적용할 수 있는 컴퓨터 비전 솔루션을 구축하기 위한 실용적이고 유연한 기반을 제공해 최적의 선택이었습니다. 모델을 쉽게 학습하고 개선할 수 있어 팀은 더 빠르게 반복 작업을 수행하고 시스템을 재설계하지 않고도 새로운 요구 사항에 대응할 수 있습니다.
이러한 유연성은 개발 속도에 직접적인 영향을 미쳤습니다. Pixelabs는 YOLO를 활용해 개발 주기를 단축하고 솔루션을 더 빠르게 프로덕션 환경에 적용하여 신규 애플리케이션의 출시 기간을 줄일 수 있었습니다. 동시에 모델은 더 정확하고 일관된 결과를 제공했습니다.
효율성을 높이면서 최대 95%의 재현율 달성#
Ultralytics YOLO 모델을 Pixelabs AI-Engine에 통합한 결과 분석 성능이 뚜렷하게 개선되었습니다. 알츠하이머병 연구 활용 사례에서 시스템은 약 90%의 재현율을 달성했으며, 질병이 진행되고 지표가 더 뚜렷해짐에 따라 최대 95%까지 향상되었습니다.
이를 통해 연구자는 대규모 이미지 데이터셋에서 아밀로이드 베타 침착물과 같은 작은 특징을 더 안정적으로 감지할 수 있었습니다. 그 결과 분석의 일관성이 향상되고 편차가 줄어 중요한 지표를 놓치지 않도록 하는 데 도움이 되었습니다.
이 활용 사례 외에도 Pixelabs는 다양한 애플리케이션에 솔루션을 사용하는 고객으로부터 지속적으로 긍정적인 피드백을 받고 있습니다. 사용자는 특히 효율성과 신뢰성 측면에서 프로세스 수행 방식이 개선되었다고 평가합니다.
효과는 구체적인 활용 사례에 따라 다르며, 이는 플랫폼의 유연성과 다양한 운영 요구에 적응하는 능력을 보여 줍니다. 전반적으로 이러한 개선을 통해 대규모 시각 데이터를 더 쉽게 관리하고 분석할 수 있게 되었으며, 보다 신뢰할 수 있는 결과와 효율적인 업무 흐름을 지원합니다.
산업 전반의 시각 AI 발전#
Pixelabs는 새로운 활용 사례와 산업 전반에 걸쳐 시각 AI 플랫폼의 기능을 계속 확장하고 있습니다. 알츠하이머병 감지와 같은 연구 분야의 경험을 바탕으로 팀은 모델을 개선하고 Ultralytics YOLO 모델과 같은 기술을 활용해 시각 분석을 발전시키는 데 주력하고 있습니다.
Pixelabs는 기술을 지속적으로 개선해 조직이 프로세스를 더 효과적으로 자동화하고 다양한 실제 업무 흐름에 컴퓨터 비전을 적용할 수 있도록 지원하고자 합니다.
회사 업무 흐름을 간소화하고 싶으신가요? GitHub 저장소를 확인해 Vision AI에 대해 자세히 알아보세요. YOLO 모델이 헬스케어 분야의 AI 및 리테일 분야의 컴퓨터 비전과 같은 영역의 혁신을 어떻게 이끌고 있는지 살펴보세요. YOLO를 직접 사용해 보려면 라이선스 옵션이 프로젝트를 어떻게 지원하는지 확인해 보세요.
