Pixelabs, Ultralytics YOLO 기반 자동화로 95% 재현율 달성
Pixelabs가 워크플로우를 자동화하고 95%의 재현율을 달성하기 위해 Ultralytics YOLO 모델을 어떻게 활용하는지 알아보세요.
유연한 기업용 라이선스
Ultralytics YOLO26으로 프로토타입에서 프로덕션까지 나아가십시오. 단일 라이선스로 모든 상업적 권리가 보장됩니다.
Problem
Pixelabs는 수동 검사에 의존하던 시각적 워크플로를 자동화하고자 했습니다. 이러한 프로세스는 특히 초기 알츠하이머병 진단을 위한 망막 이미징과 같은 사례에서 시간이 많이 소요되고 일관성이 없으며 확장하기 어렵습니다.
Solution
Pixelabs는 Ultralytics YOLO 모델을 Pixelabs AI-Engine에 통합하여 시각적 워크플로를 자동화할 수 있었습니다. 예를 들어 초기 알츠하이머병 진단을 위한 망막 이미징의 경우, 지표 식별의 일관성이 향상되었으며 재현율은 최대 95%에 달했습니다.
오늘날 많은 산업, 운영 및 연구 워크플로에서는 여전히 사람이 직접 이미지를 검토하여 프로세스를 확인하거나 패턴을 발견합니다. 데이터가 증가함에 따라 이는 곧 속도가 느려지고 일관성이 떨어지며 확장하기 어려운 문제가 됩니다.
이는 이미지에서 작은 지표를 식별하는 것이 어렵고 시간이 많이 소요되는 초기 알츠하이머병 진단을 위한 망막 이미징과 같은 연구 환경에서 특히 그렇습니다.
Pixelabs는 실시간 이미지 및 비디오 분석을 위해 설계된 시각적 AI 플랫폼인 Pixelabs AI-Engine으로 이 문제를 해결합니다. 컴퓨터 비전 모델인 Ultralytics YOLO 모델을 사용하여 이 플랫폼은 시각적 워크플로 자동화, 일관성 개선 및 분석 확장을 보다 쉽게 만들어 줍니다.
Link to this section컴퓨터 비전을 적용하여 실제 워크플로 자동화#
Pixelabs는 기업이 컴퓨터 비전을 사용하여 기존 프로세스를 자동화하고 개선할 수 있도록 하는 시각적 AI 솔루션을 개발합니다. 마드리드에 본사를 두고 바르셀로나와 영국에 지사를 둔 이 회사는 여러 산업 전반에 적용할 수 있는 실용적인 AI 도구를 구축하는 데 중점을 둡니다.
특히 플랫폼인 Pixelabs AI-Engine은 객체 탐지, 결함 식별, 표면 분석 및 광학 문자 인식(OCR)과 같은 작업을 위한 실시간 이미지 및 비디오 분석을 가능하게 합니다. 이러한 기능을 통해 사용자는 시각적 데이터를 보다 효율적으로 처리하고 수동 검토에 대한 의존도를 줄일 수 있습니다.
이 플랫폼은 기존 시스템에 통합되도록 설계되어 조직이 운영을 방해하지 않고 컴퓨터 비전을 더 쉽게 도입할 수 있도록 합니다. 이러한 유연성 덕분에 Pixelabs는 다양한 사용 사례를 지원하고 요구 사항이 증가함에 따라 솔루션을 확장할 수 있습니다.
Link to this section컴퓨터 비전 통합 및 확장의 과제#
많은 산업 분야에서 일상적인 운영은 여전히 수동 워크플로와 제한적인 자동화에 의존하고 있습니다. 운영자, 엔지니어 및 연구원은 종종 이미지를 수작업으로 검토하고, 결과를 검증하며, 여러 도구에 걸쳐 데이터를 관리합니다.
이로 인해 특히 데이터 양이 증가함에 따라 프로세스가 느려지고 표준화하기 어려우며 일관성이 부족해지기 쉽습니다. 조직이 컴퓨터 비전을 도입하려고 할 때도 전환이 항상 순조로운 것은 아닙니다.
AI를 기존 시스템에 통합하려면 기존 워크플로 변경, 새로운 인프라 또는 추가적인 엔지니어링 노력이 필요할 수 있습니다. 그렇기 때문에 많은 솔루션이 시간이 지남에 따라 확장하거나 유지 관리하기 어렵습니다.
예를 들어 초기 알츠하이머병 진단을 위한 망막 이미징과 같은 연구 환경에서는 이러한 과제가 더욱 복잡해집니다. 연구원은 매우 작은 특징을 감지하고, 방대한 이미지 데이터 세트를 관리하며, 다양한 조건에서 결과의 일관성을 유지해야 합니다.
그림 1. 쥐의 망막 이미징 예시 이미지.
분석, 데이터 관리 및 결과를 처리할 간소화된 방법이 없으면 이러한 워크플로를 확장하고 신뢰할 수 있는 결과를 유지하기가 어렵습니다.
Link to this sectionUltralytics YOLO 모델을 통한 망막 이미지 분석 자동화#
Pixelabs는 Ultralytics YOLO 모델을 Pixelabs AI-Engine에 통합하여 이러한 과제를 해결했습니다. 이 플랫폼은 시각적 AI 솔루션의 핵심 역할을 하며, 기존 워크플로를 방해하지 않고 다양한 애플리케이션 전반에서 실시간 이미지 및 비디오 분석을 더 원활하게 실행할 수 있도록 합니다.
이 플랫폼은 객체 및 결함 탐지, 표면 및 텍스처 분석, 색상 관리, OCR을 포함한 다양한 작업을 지원합니다. 하드웨어에 구애받지 않고 API를 통해 통합되도록 설계되었기 때문에 다양한 환경에 배포하고 확장할 수 있습니다.
이 접근 방식은 최근 CIBIR 알츠하이머 연구팀과의 협업에 적용되었으며, 여기서 Pixelabs는 망막 이미징을 사용하여 쥐의 알츠하이머병 조기 진단을 지원하는 시스템을 개발했습니다. 목표는 질병의 초기 단계를 알리는 아밀로이드 베타 침착물과 같은 작은 지표를 식별하는 것이었습니다.
이를 위해 Pixelabs는 데이터 스토리지, 이미지 처리 및 사용자 인터페이스를 연결하는 워크플로를 구축했습니다. 실험실 전용 안저 촬영 장치를 사용하여 캡처된 망막 이미지는 먼저 SFTP를 통해 전송되어 중앙 집중식 시스템에 저장되므로 대규모 데이터 세트를 더 쉽게 관리하고 액세스할 수 있습니다.
일관된 결과를 보장하기 위해 이미지 품질과 조명의 차이를 처리하는 전처리 단계가 적용됩니다. 이는 시스템이 다양한 샘플과 조건에서 정확도를 유지하는 데 도움이 됩니다.
그런 다음 이미지는 맞춤형 Ultralytics YOLOv8 모델을 포함한 비전 AI 모델을 사용하여 분석됩니다. 성능과 정확도의 균형을 맞추기 위해 YOLOv8의 Medium 및 Large 변형이 사용됩니다.
이 파이프라인 내에서 Ultralytics YOLO 모델은 객체 탐지 및 이미지 분류에 사용되어 망막 이미지 내에서 아밀로이드 베타 침착물과 같은 작은 관심 영역을 직접 식별하고 위치를 파악합니다.
그림 2. Ultralytics YOLOv8과 같은 컴퓨터 비전 모델은 아밀로이드 베타 침착물을 탐지하는 데 도움을 줄 수 있습니다.
마지막으로, 결과는 웹 기반 플랫폼을 통해 제공되며, 사용자는 이미지를 업로드하고 나이, 성별 또는 표현형과 같은 속성별로 데이터를 필터링하며 신뢰도 점수와 함께 감지된 특징을 볼 수 있습니다. 이를 통해 원시 이미지 데이터에서 명확하고 사용 가능한 통찰력을 더 쉽게 얻을 수 있습니다.
Link to this section왜 Ultralytics YOLO 모델인가?#
Pixelabs에게 Ultralytics YOLO 모델은 실용적이고 유연한 기반을 제공하여 다양한 사용 사례에 빠르게 적응할 수 있는 컴퓨터 비전 솔루션을 구축하는 데 완벽하게 적합했습니다. 이 모델은 학습 및 정교화가 쉬워 팀이 시스템을 재설계할 필요 없이 더 빠르게 반복하고 새로운 요구 사항에 대응할 수 있게 해줍니다.
이러한 유연성은 개발 속도에 직접적인 영향을 미쳤습니다. YOLO를 활용함으로써 Pixelabs는 개발 주기를 가속화하고 솔루션을 더 빠르게 프로덕션으로 전환하여 새로운 애플리케이션의 출시 시간을 단축할 수 있었습니다. 동시에 모델은 더 정확하고 일관된 결과를 제공했습니다.
Link to this section효율성을 높이면서 최대 95%의 재현율 달성#
Ultralytics YOLO 모델을 Pixelabs AI-Engine에 통합함으로써 분석 성능이 명확하게 개선되었습니다. 알츠하이머 연구 사례에서 시스템은 약 90%의 재현율을 달성했으며, 질병이 진행되어 지표가 더 잘 보이게 됨에 따라 최대 95%까지 증가했습니다.
이를 통해 연구원은 대규모 이미지 데이터 세트 전반에서 아밀로이드 베타 침착물과 같은 작은 특징을 보다 안정적으로 탐지할 수 있게 되었습니다. 결과적으로 분석이 더 일관되게 바뀌어 가변성이 줄어들고 중요한 지표를 놓치지 않도록 하는 데 도움이 되었습니다.
이 사용 사례 외에도 Pixelabs는 다양한 애플리케이션에서 자사 솔루션을 사용하는 고객으로부터 지속적으로 긍정적인 피드백을 받고 있습니다. 사용자는 특히 효율성과 신뢰성 측면에서 프로세스 수행 방식이 개선되었다고 강조합니다.
영향은 특정 사용 사례에 따라 다르며, 이는 플랫폼의 유연성과 다양한 운영 요구 사항에 적응하는 능력을 반영합니다. 전반적으로 이러한 개선 사항은 대규모 시각적 데이터를 더 쉽게 관리하고 분석할 수 있게 하여 더 신뢰할 수 있는 결과와 더 효율적인 워크플로를 지원합니다.
Link to this section산업 전반의 시각적 AI 발전#
Pixelabs는 새로운 사용 사례와 산업 전반에 걸쳐 시각적 AI 플랫폼의 기능을 계속 확장하고 있습니다. 알츠하이머 탐지와 같은 연구 분야에서의 작업을 바탕으로 팀은 모델을 정교화하고 Ultralytics YOLO 모델과 같은 기술을 사용하여 시각적 분석을 발전시키는 데 집중하고 있습니다.
Pixelabs는 기술을 지속적으로 개선함으로써 조직이 프로세스를 보다 효과적으로 자동화하고 더 광범위한 실제 워크플로에 컴퓨터 비전을 적용할 수 있도록 돕는 것을 목표로 합니다.
회사의 워크플로를 간소화하는 데 관심이 있으신가요? GitHub 저장소를 확인하여 Vision AI에 대해 자세히 알아보세요. YOLO 모델이 AI 의료 및 소매업의 컴퓨터 비전과 같은 분야에서 어떻게 혁신을 주도하고 있는지 살펴보세요. YOLO를 직접 체험해보려면 당사의 라이선스 옵션이 어떻게 프로젝트를 지원할 수 있는지 확인해보시기 바랍니다.
