Computer Vision (CV)

컴퓨터 비전(CV)은 컴퓨터와 시스템이 디지털 이미지, 비디오 및 기타 시각적 입력에서 유의미한 정보를 도출할 수 있도록 지원하는 인공지능(AI)의 한 분야입니다. AI가 기계의 사고를 돕는다면, 컴퓨터 비전은 기계가 보고, 관찰하고, 이해할 수 있도록 돕습니다. 규칙 기반 이미지 처리 도구와 달리, 최신 시스템은 데이터로부터 직접 학습합니다. 즉, 자동차나 종양이 어떻게 생겼는지 명시적으로 지시받지 않고도, 수천 개의 라벨이 지정된 예시에서 기본 패턴을 식별하고 그 지식을 한 번도 접한 적 없는 이미지로 일반화합니다. 머신러닝(ML)과 딥러닝(DL)을 적용함으로써 컴퓨터 비전은 비구조화된 시각 데이터를 소프트웨어가 처리할 수 있는 결정으로 전환합니다.

컴퓨터 비전의 작동 원리#

컴퓨터는 이미지를 픽셀을 나타내는 수치 값의 배열로 인식합니다. 해당 배열을 행동으로 전환하는 과정은 5단계 파이프라인을 따릅니다.

이미지 획득. 워크플로우는 CMOS 센서, 적외선 카메라, LiDAR 스캐너 등의 하드웨어가 빛을 포착하여 디지털 픽셀 그리드로 변환하는 것으로 시작됩니다. 분석이 시작되기 전에 카메라 캘리브레이션이 렌즈 기하학적 구조를 보정합니다.

전처리. 포착된 데이터는 모델이 일관된 입력을 받을 수 있도록 크기 조정, 노이즈 감소, 대비 조정을 거쳐 정규화됩니다.

특징 추출. 시스템은 가장자리, 기울기, 모서리와 같은 저수준 특징을 식별합니다. 데이터가 네트워크 깊숙이 이동함에 따라 이러한 기본 요소들은 텍스처, 패턴, 복잡한 기하학적 구조 같은 고수준 특징으로 결합됩니다. 시스템은 수직선을 감지하여 울타리 기둥으로 인식한 다음, 해당 장면에 대해 경계선으로 이해할 수 있습니다. 이 과정을 특징 추출이라고 합니다.

모델 추론. 현대 컴퓨터 비전의 핵심은 합성곱 신경망(CNN)입니다. 이미지를 평면적인 숫자 목록으로 취급하는 표준 신경망과 달리, CNN은 픽셀 간의 공간적 관계를 보존하며, 프레임 내 어디에 나타나든 패턴을 감지할 수 있도록 이미지 전반을 슬라이딩하는 필터를 사용합니다. 최근에는 비전 트랜스포머(ViT)가 자연어 처리의 어텐션 메커니즘을 이미지 데이터에 적용하여 강력한 대안으로 부상했습니다.

출력 및 동작. 모델은 라벨, 바운딩 박스 집합, 픽셀 마스크 등의 구조화된 결과를 반환하며, 주변 시스템은 불량 부품 거부, 차량 제동, 경고 발생 등의 조치를 취합니다.

모델이 학습하는 방식#

모델의 성능은 사용하는 데이터의 품질에 좌우됩니다. 지도 학습에는 대규모의 훈련 데이터가 필요하며, ImageNet 및 COCO와 같은 벤치마크는 수백만 개의 주석이 달린 예제를 제공합니다. 훈련 중 모델은 예측을 수행하고, 예측값을 정답(ground-truth) 라벨과 비교한 뒤, 오차를 줄이기 위해 내부 가중치를 조정합니다. 일단 훈련되면 동일한 모델이 위에서 설명한 추론 단계를 수행합니다.

규칙 기반 시스템에서 딥러닝으로의 전환#

초기의 컴퓨터 비전은 수동 특징 엔지니어링에 의존했습니다. 즉, 엔지니어가 기계의 객체 인식을 돕기 위해 엄격한 기하학적 매개변수를 정의했습니다. 이러한 시스템은 조명이 바뀌거나 객체가 낯선 각도로 나타날 때마다 실패하는 등 취약성을 보였습니다. 100만 장 이상의 라벨이 지정된 ImageNet 이미지로 훈련된 AlexNet의 2012년 발표는 합성곱 네트워크가 대규모 환경에서 수동 엔지니어링 방식보다 우수한 성능을 발휘할 수 있음을 입증하며 전환점을 마련했습니다. 딥러닝은 수동으로 조정된 규칙을 자체적으로 특징을 학습하는 아키텍처로 대체하여, 완벽히 제어되지 않는 실제 환경에서도 견딜 수 있는 유연성을 제공했습니다.

컴퓨터 비전 대 이미지 처리 대 머신 비전#

컴퓨터 비전을 혼동하기 쉬운 인접 분야와 구분하는 것은 중요합니다.

• **이미지 처리**는 이미지를 조작하여 향상시키거나 신호를 추출합니다(밝기, 대비 조정 또는 필터 적용). 출력 결과는 보통 또 다른 이미지입니다. 컴퓨터 비전은 이미지를 입력으로 받아 해석("이 방에는 세 사람이 있습니다")을 출력합니다. 컴퓨터 비전은 준비 단계로 이미지 처리를 루틴하게 사용합니다.
• **머신 비전**은 고정된 조명과 알려진 부품 위치를 갖춘 엄격하게 제어된 환경에서 작동하는 산업용 검사 시스템을 의미합니다. 컴퓨터 비전은 예측 불가능하고 제어되지 않는 조건을 처리하도록 구축된 더 광범위한 분야입니다.
• 자연어 처리는 텍스트와 음성을 다룹니다. 컴퓨터 비전은 전적으로 시각 데이터에 초점을 맞추지만, 비전 언어 모델이 양쪽 영역을 점점 더 연결하고 있습니다.

핵심 컴퓨터 비전 작업#

컴퓨터 비전은 단일 기능이 아니라 각각 다른 문제를 해결하는 고유한 작업들의 집합입니다. 각 작업에 대한 자세한 내용은 computer vision tasks 전체 가이드를 참조하세요.

• 이미지 분류: 전체 이미지에 단일 라벨을 할당하여 "이 사진에는 무엇이 있는가?"라는 질문에 답합니다(예: 제품을 불량 또는 정상으로 분류). 이와 밀접한 관련이 있는 이미지 인식은 무엇이 존재하는지 식별합니다.
• 객체 검출: 개별 객체를 식별하고 각각의 주위에 바운딩 박스를 그려 시스템이 단일 프레임 내에서 여러 객체를 카운트하고 위치를 파악할 수 있도록 합니다.
• 인스턴스 세그멘테이션: 감지된 각 객체에 대해 픽셀 수준의 마스크를 생성하여 동일 클래스의 개별 인스턴스를 분리합니다. 반면 시맨틱 세그멘테이션은 인스턴스를 구분하지 않고 모든 픽셀에 클래스를 할당합니다.
• 포즈 추정: 인체 관절과 같은 객체의 키포인트를 감지하여 움직임과 자세를 추적합니다.
• 지향성 바운딩 박스: 축 정렬되지 않은 객체에 회전된 박스를 맞추며, 항공 및 위성 이미지에서 필수적입니다.
• 객체 추적: 비디오 스트림에서 객체를 따라가며 프레임 간에 일관된 ID를 유지합니다. 옵티컬 플로우는 연속된 프레임 간의 명백한 움직임을 분석하여 이를 확장합니다.
• 광학 문자 판독(OCR): 인쇄물이나 손글씨 텍스트의 이미지를 기계 판독 가능한 데이터로 변환하여 대규모 문서 처리를 자동화합니다.

올바른 작업 선택#

처음부터 기술적 작업과 비즈니스 목표를 일치시키면 비용이 많이 드는 재작업을 피할 수 있습니다.

실제 애플리케이션 사례#

현재 컴퓨터 비인은 대부분의 주요 산업에서 프로덕션 시스템을 뒷받침하고 있습니다.

• 제조 및 품질 관리. 현대 생산 라인은 인간의 시각적 능력을 뛰어넘는 속도로 작동합니다. 비전 시스템은 즉각적인 품질 검사를 수행하여, 인간 검사자에게 쌓이는 피로감 없이 라인 속도에 맞춰 미세한 균열이나 정렬되지 않은 부품을 식별합니다. 또한 기계의 마모 패턴을 모니터링하여 고장이 계획에 없던 가동 중단을 유발하기 전에 이상 징후를 포착하는 예측 유지보수를 가능하게 합니다. 제조 분야의 컴퓨터 비전 및 결함 검출을 참조하십시오.
• 헬스케어 및 진단. 의료 이미지 분석 알고리즘은 X선, MRI, CT 스캔을 처리하여 시간 압박 속에서 놓치기 쉬운 초기 단계 종양, 미세 골절, 망막 이상을 감지합니다. 수술실에서 비전 시스템은 최소 침습 시술 중 실시간 공간 매핑을 제공합니다. 헬스케어 분야의 컴퓨터 비전을 참조하십시오.
• 유통. 계산대가 없는 매장은 센서 융합과 비전 알고리즘을 사용하여 선반을 떠나는 품목을 추적하고 고객에게 자동으로 청구합니다. 동일한 시스템이 실시간으로 선반 재고 수준을 모니터링하여 재입고 알림을 트리거함으로써 재고 관리와 유통 손실 방지를 지원합니다. 유통 분야의 컴퓨터 비전을 참조하십시오.
• 자율 주행 교통. 인지 계층은 자율주행차에서 가장 안전이 중요한 구성 요소입니다. 비전 시스템은 차선 표시, 교통표지판, 보행자, 기타 차량을 실시간으로 식별하며, 카메라 입력과 레이더 및 LiDAR를 결합하여 3D 객체 검출을 통해 차량 주변 환경의 360도 모델을 구축합니다. 자율주행차를 참조하십시오.
• 보안 및 모니터링. 보안 인프라는 수동 기록에서 사전 예방적 개입으로 전환되었습니다. 즉, 제한 구역 내 배회 감지, 발생하는 이상 행동 패턴 플래그 지정, 공공장소에서의 대기열 관리 지원 등을 수행합니다. 이상 감지가 그 밑받침이 되는 핵심 역량입니다.
• 농업. 드론과 트랙터는 개별 식물 수준에서 작물 건강 상태를 평가하고, 탈수, 해충 감염, 영양 결핍에 대해 다중 스펙트럼 이미지를 분석합니다. 전면적 살포 대신 수분, 살충제, 비료가 필요한 곳에만 정밀하게 적용됩니다. 농업 분야의 컴퓨터 비전을 참조하십시오.

엣지에서의 컴퓨터 비전#

실시간 시각 분석은 비디오를 중앙 집중식 클라우드 서버로 라우팅하는 대신 엣지(카메라 또는 로컬 게이트웨이에서 직접)에서 실행되는 추세가 증가하고 있습니다. 이는 두 가지 이유로 중요합니다.

레이턴시가 거의 0에 가까워지며, 이는 밀리초 단위의 지연이 오류를 유발하는 자율 로봇이나 산업용 라인 검사에서 타협할 수 없는 부분입니다. 또한 원본 비디오 대신 메타데이터만 네트워크를 통과하기 때문에 대역폭 요구사항이 급격히 줄어들고, 민감한 영상이 로컬 장치를 떠나지 않아 프라이버시가 향상됩니다. 엣지 AI와 실시간 추론이 이를 실용적으로 만들며, ONNX 및 TensorRT 같은 모델 배포 옵션을 통해 단일 훈련 모델이 다양한 하드웨어에서 실행될 수 있습니다.

과제 및 한계#

데이터 품질. 모델은 훈련 데이터의 품질을 반영합니다. 저해상도, 잘못된 라벨링, 또는 대표성 없는 데이터셋은 신뢰할 수 없는 모델을 낳으며, 다양하고 주석이 달린 데이터셋을 구축하는 것은 알고리즘 설계보다 더 많은 노동력을 필요로 하는 경우가 많습니다. 데이터 라벨링을 참조하십시오.

환경 변수. 폭우, 렌즈 플레어, 부분적 가림, 가변적인 객체 크기는 모두 성능을 저하시킵니다. 견고한 시스템은 훈련 중 데이터 증강을 사용하여 이러한 조건을 시뮬레이션하고 배포 전에 회복력을 구축하며, 과적합을 방지하기 위한 신중한 검증에 의존합니다.

윤리적 고려사항 및 편향. 인구통계학적 다양성이 부족한 데이터셋으로 훈련된 모델은 인구 집단 전반에서 고르지 못한 성능을 보입니다. 의료 영상, 직장 안전, 공공장소 등 사람을 분석하는 시스템을 배포하는 조직은 공정성을 위해 데이터셋을 감사하고 자동화된 의사결정을 다루는 신흥 규제를 준수해야 합니다.

컴퓨터 비전의 미래#

비전 트랜스포머는 이미지의 먼 부분 간 관계를 이해해야 하는 작업에서 달성 가능한 영역을 재정의하고 있습니다. 나아가 멀티모달 학습은 시각 데이터를 텍스트, 오디오, 깊이 정보와 결합하여 더 풍부한 맥락적 이해를 갖춘 시스템을 구축합니다. 이미지에 대한 질문에 답하는 비전 언어 모델이 그 초기 사례입니다.

생성형 AI는 데이터 부족 문제를 직접적으로 해결하고 있습니다. 합성 데이터를 사용하면 실제 세계에서 충분한 볼륨으로 수집할 수 없는 희귀 시나리오(특정 고장 모드, 드문 질병 발현 양상)의 초현실적인 이미지를 생성할 수 있습니다. 한편 깊이 인식 카메라와 LiDAR는 시스템을 평면 이미지 분석을 넘어 공간 컴퓨팅으로 확장하여, AR 기반 유지보수 및 구조 매핑 등의 애플리케이션을 위해 디지털 정보를 물리적 세계에 오버레이하고 있습니다.

Ultralytics를 활용한 컴퓨터 비전 구현#

컴퓨터 비전 프로젝트를 파일럿 중인 팀에게 Ultralytics YOLO26은 실시간 객체 검출을 위한 실용적인 출발점입니다. 오픈소스이며 방대한 문서가 제공되고 엣지에서 실행될 수 있을 정도로 빠릅니다. 하드웨어별 정확도 및 레이턴시 수치는 벤치마크 페이지에 게시되어 있으며, 문서에서 사이드 바이 사이드 모델 비교를 제공합니다. 더 넓은 에코시스템에는 고전적 이미지 처리를 위한 OpenCV와 기본 훈련 프레임워크인 PyTorch가 포함됩니다.

from ultralytics import YOLO

# Load the YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

# Run inference on a standard example image
# The model identifies objects and their locations
results = model("https://ultralytics.com/images/bus.jpg")

# Display the resulting image with bounding boxes
results[0].show()

이 스크립트는 사전 훈련된 모델을 사용하여 단 몇 줄의 코드로 추론을 수행합니다. 파일럿에서 프로덕션으로 전환하는 팀은 Ultralytics Platform을 사용하여 데이터셋 주석 처리, 클라우드에서의 모델 훈련, 배포 관리를 수행하거나, 전이 학습을 적용하여 처음부터 훈련하는 것보다 훨씬 적은 라벨 데이터로 사전 훈련된 모델을 커스텀 데이터셋에 적응시킬 수 있습니다.

자주 묻는 질문#

컴퓨터 비전과 머신러닝의 차이점은 무엇인가요? 머신러닝은 데이터로부터 학습하는 시스템을 구축하는 더 광범위한 분야입니다. 컴퓨터 비전은 이미지 및 비디오와 같은 시각적 입력에 (보통 딥러닝을 통해) 그 분야를 적용하는 것입니다. 거의 모든 현대 컴퓨터 비전은 머신러닝을 기반으로 구축되지만, 머신러닝은 텍스트, 오디오, 표 형식 데이터도 다룹니다.

컴퓨터 비전은 이미지 인식과 동일한가요? 아닙니다. 이미지 인식은 이미지에 나타나는 것을 식별하는 컴퓨터 비전 내의 한 작업입니다. 컴퓨터 비전은 객체 검출, 세그멘테이션, 포즈 추정, 추적, 장면 이해도 다룹니다.

컴퓨터 비전 모델을 훈련하는 데 얼마나 많은 데이터가 필요합니까? 이는 작업의 복잡성과 모델이 처리해야 하는 변동성에 따라 다릅니다. Ultralytics YOLO26과 같은 사전 훈련된 모델을 활용한 전이 학습은 필요한 데이터 양을 크게 줄여주며, 기초 모델을 훈련하는 데 사용되는 수백만 개 대신 클래스당 수백에서 수천 개의 라벨이 지정된 이미지만으로도 유용한 커스텀 디텍터를 종종 훈련할 수 있습니다.

인터넷 연결 없이 컴퓨터 비전을 실행할 수 있나요? 네. 모델을 엣지 디바이스에 직접 배포하여 완전히 오프라인으로 실행할 수 있으며, 이는 레이턴시, 대역폭 또는 데이터 프라이버시 규칙으로 인해 비디오를 클라우드로 전송할 수 없는 경우의 표준 관행입니다.

컴퓨터 비전에는 어떤 프로그래밍 언어가 사용되나요? ultralytics 패키지, PyTorch, OpenCV 등 에코시스템의 성숙도 덕분에 Python이 지배적입니다. 최대의 추론 성능이 요구되는 임베디드 및 자동차 시스템 등에서는 C++가 주로 사용됩니다.