Computer Vision (CV)

컴퓨터 비전 (CV)은 컴퓨터와 시스템이 디지털 이미지, 동영상 및 기타 시각적 입력에서 의미 있는 정보를 도출할 수 있도록 하는 인공지능 (AI) 분야입니다. AI가 기계가 생각하도록 한다면, 컴퓨터 비전은 기계가 보고 관찰하고 이해하도록 합니다. 규칙 기반 이미지 처리 도구와 달리 최신 시스템은 데이터에서 직접 학습합니다. 자동차나 종양이 어떻게 보이는지 명시적으로 알려주는 대신, 수천 개의 레이블이 지정된 예제에서 기본 패턴을 식별하고 한 번도 접한 적 없는 이미지에 해당 지식을 일반화합니다. 컴퓨터 비전은 기계 학습 (ML)과 딥러닝 (DL)을 적용하여 비정형 시각 데이터를 소프트웨어가 실행할 수 있는 의사결정으로 변환합니다.

컴퓨터 비전의 작동 방식#

컴퓨터는 이미지를 픽셀을 나타내는 수치 배열로 인식합니다. 이 배열을 동작으로 변환하는 과정은 5단계 파이프라인을 따릅니다.

이미지 획득. 워크플로는 CMOS 센서, 적외선 카메라 또는 LiDAR 스캐너와 같은 하드웨어가 빛을 포착하고 이를 디지털 픽셀 격자로 변환하면서 시작됩니다. 분석을 시작하기 전에 카메라 캘리브레이션을 통해 렌즈의 기하학적 특성을 반영합니다.

전처리. 캡처된 데이터를 정규화하여 모델이 일관된 입력을 받도록 합니다. 여기에는 크기 조정, 노이즈 감소 및 대비 조정이 포함됩니다.

특징 추출. 시스템은 에지, 그래디언트, 코너와 같은 저수준 특징을 식별합니다. 데이터가 네트워크의 더 깊은 계층으로 이동하면 이러한 기본 요소가 텍스처, 패턴 및 복잡한 기하 구조와 같은 고수준 특징으로 결합됩니다. 시스템은 수직선을 감지하고 이를 울타리 기둥으로 인식한 다음, 장면을 경계선으로 이해할 수 있습니다. 이 과정을 특징 추출이라고 합니다.

모델 추론. 최신 컴퓨터 비전의 핵심 엔진은 합성곱 신경망 (CNN)입니다. 이미지를 평평한 수치 목록으로 처리하는 일반적인 신경망과 달리, CNN은 픽셀 간 공간적 관계를 보존합니다. 또한 이미지 전체를 이동하는 필터를 사용하여 프레임 내 위치와 관계없이 패턴을 감지합니다. 최근에는 비전 Transformer (ViTs)가 강력한 대안으로 부상했으며, 자연어 처리의 어텐션 메커니즘을 이미지 데이터에 적용합니다.

출력 및 동작. 모델은 레이블, 일련의 바운딩 박스 또는 픽셀 마스크와 같은 구조화된 결과를 반환하며, 주변 시스템은 이를 바탕으로 불량 부품을 거부하거나 차량을 제동하거나 경고를 발생시킵니다.

모델은 학습하는 방식#

모델의 성능은 모델이 소비하는 데이터의 품질을 넘을 수 없습니다. 지도 학습에는 많은 양의 학습 데이터가 필요하며, ImageNet과 COCO와 같은 벤치마크는 수백만 개의 주석이 달린 예제를 제공합니다. 학습 중에 모델은 예측을 수행하고, 예측을 정답 레이블과 비교한 다음, 오류를 줄이도록 내부 가중치를 조정합니다. 학습이 완료되면 동일한 모델이 위에서 설명한 추론 단계를 수행합니다.

규칙 기반 시스템에서 딥러닝으로의 전환#

초기 컴퓨터 비전은 수작업 특징 공학에 의존했습니다. 엔지니어가 기계가 객체를 인식하도록 엄격한 기하학적 매개변수를 정의했습니다. 이러한 시스템은 조명이 바뀌거나 객체가 익숙하지 않은 각도로 나타날 때마다 실패하는 취약한 특성이 있었습니다. 100만 개가 넘는 레이블이 지정된 ImageNet 이미지로 학습된 AlexNet의 2012년 발표는 합성곱 네트워크가 대규모로 사람이 설계한 접근 방식보다 뛰어난 성능을 낼 수 있음을 입증하며 전환점이 되었습니다. 딥러닝은 사람이 조정한 규칙을 자체 특징을 학습하는 아키텍처로 대체했습니다. 이러한 아키텍처는 완벽하게 통제되지 않는 실제 환경에서도 견딜 수 있을 만큼 유연합니다.

컴퓨터 비전과 이미지 처리 및 머신 비전의 비교#

컴퓨터 비전과 자주 혼동되는 인접 분야를 구분하는 것이 중요합니다.

• **이미지 처리**는 이미지를 향상하거나 신호를 추출하기 위해 밝기와 대비를 조정하고 필터를 적용하는 등 이미지를 조작합니다. 출력은 일반적으로 또 다른 이미지입니다. 컴퓨터 비전은 이미지를 입력으로 받아 해석을 출력합니다("이 방에는 세 사람이 있습니다"). 컴퓨터 비전은 이미지 처리를 준비 단계로 일상적으로 사용합니다.
• **머신 비전**은 고정된 조명과 알려진 부품 위치를 갖춘 엄격하게 통제된 환경에서 작동하는 산업 검사 시스템을 의미합니다. 컴퓨터 비전은 예측할 수 없고 통제되지 않는 조건을 처리하도록 설계된 더 광범위한 분야입니다.
• 자연어 처리는 텍스트와 음성을 처리합니다. 컴퓨터 비전은 전적으로 시각 데이터에 초점을 맞추지만, 비전 언어 모델이 두 분야를 점점 더 연결하고 있습니다.

컴퓨터 비전의 핵심 작업#

컴퓨터 비전은 하나의 기능이 아니라 서로 다른 문제를 해결하는 여러 독립적인 작업의 집합입니다. 각 작업에 대한 자세한 설명은 전체 컴퓨터 비전 작업 가이드를 참조하십시오.

• 이미지 분류: 전체 이미지에 하나의 레이블을 할당하여 "이 사진에 무엇이 있는가?"라는 질문에 답합니다. 예를 들어 제품을 불량 또는 정상으로 분류할 수 있습니다. 이와 밀접한 관련이 있는 이미지 인식은 무엇이 존재하는지 식별합니다.
• 객체 감지: 개별 객체를 식별하고 각 객체 주위에 바운딩 박스를 그려 단일 프레임에서 여러 객체를 세고 위치를 파악할 수 있도록 합니다.
• 인스턴스 세그멘테이션: 감지된 각 객체에 대해 픽셀 수준의 마스크를 생성하여 동일한 클래스의 개별 인스턴스를 구분합니다. 반면 시맨틱 세그멘테이션은 인스턴스를 구분하지 않고 모든 픽셀에 클래스를 할당합니다.
• 포즈 추정: 사람의 신체 관절과 같은 객체의 키포인트를 감지하여 움직임과 자세를 추적합니다.
• 방향성 바운딩 박스: 축에 정렬되지 않은 객체에 회전된 박스를 맞춥니다. 항공 및 위성 이미지에서 필수적입니다.
• 객체 추적: 동영상 스트림에서 객체를 따라가며 프레임 간에 일관된 ID를 유지합니다. 옵티컬 플로는 연속된 프레임 간의 겉보기 움직임을 분석하여 이를 확장합니다.
• 광학 문자 인식 (OCR): 인쇄되거나 손으로 쓴 텍스트의 이미지를 기계가 읽을 수 있는 데이터로 변환하여 대규모 문서 처리를 자동화합니다.

적합한 작업 선택#

처음부터 기술 작업을 비즈니스 목표에 맞추면 비용이 많이 드는 재작업을 방지할 수 있습니다.

실제 적용 사례#

오늘날 컴퓨터 비전은 대부분의 주요 산업에서 운영 시스템의 기반이 되고 있습니다.

• 제조 및 품질 관리. 현대 생산 라인은 사람이 시각적으로 처리할 수 있는 속도보다 빠르게 작동합니다. 비전 시스템은 즉각적인 품질 검사를 수행하여 사람 검사자가 피로를 누적하며 놓칠 수 있는 미세한 균열이나 정렬이 어긋난 부품을 생산 라인 속도로 식별합니다. 기계의 마모 패턴을 모니터링하면 예측 유지보수도 가능해져, 고장으로 계획에 없던 가동 중단이 발생하기 전에 고장 징후를 포착할 수 있습니다. 제조 분야의 컴퓨터 비전 및 결함 감지를 참조하십시오.
• 의료 및 진단. 의료 이미지 분석 알고리즘은 X선, MRI 및 CT 스캔을 처리하여 시간 압박 속에서 쉽게 놓칠 수 있는 초기 종양, 미세 골절 및 망막 이상을 감지합니다. 수술실에서는 비전 시스템이 최소 침습 시술 중 실시간 공간 매핑을 제공합니다. 의료 분야의 컴퓨터 비전을 참조하십시오.
• 소매. 무인 계산대 매장은 센서 퓨전과 비전 알고리즘을 사용하여 진열대에서 나가는 상품을 추적하고 고객에게 자동으로 요금을 청구합니다. 동일한 시스템은 진열대 재고 수준을 실시간으로 모니터링하여 재입고 알림을 트리거하며, 재고 관리와 소매 손실 방지를 지원합니다. 소매 분야의 컴퓨터 비전을 참조하십시오.
• 자율주행 교통. 인지 계층은 자율주행 자동차에서 안전과 가장 밀접하게 관련된 구성 요소입니다. 비전 시스템은 실시간으로 차선 표시, 교통 표지판, 보행자 및 다른 차량을 식별하고, 카메라 입력을 레이더 및 LiDAR와 결합하여 3D 객체 감지를 통해 차량 주변 환경의 360도 모델을 구축합니다. 자율주행 차량을 참조하십시오.
• 보안 및 모니터링. 보안 인프라는 수동 녹화에서 적극적인 개입으로 전환되었습니다. 제한 구역의 배회 행위를 감지하고, 발생하는 즉시 비정상적인 행동 패턴을 표시하며, 공공장소의 대기열 관리를 지원합니다. 이상 감지가 그 기반 기능입니다.
• 농업. 드론과 트랙터는 개별 식물 수준에서 작물의 건강 상태를 평가하고 다중분광 이미지를 분석하여 탈수, 해충 감염 또는 영양 결핍을 감지합니다. 이후 물, 살충제 및 비료를 밭 전체가 아니라 필요한 곳에만 적용합니다. 농업 분야의 컴퓨터 비전을 참조하십시오.

엣지에서의 컴퓨터 비전#

실시간 시각 분석은 동영상을 중앙 클라우드 서버로 라우팅하는 대신 카메라나 로컬 게이트웨이에서 직접 실행되는 엣지 환경으로 점점 더 이동하고 있습니다. 이는 두 가지 이유로 중요합니다.

지연 시간이 거의 0에 가까워집니다. 밀리초 단위의 지연도 오류를 발생시키는 자율 로봇이나 산업 라인 검사에서는 이것이 필수적입니다. 또한 원시 동영상이 아니라 메타데이터만 네트워크를 통과하므로 대역폭 요구 사항이 크게 줄어들고 개인정보 보호도 향상됩니다. 민감한 영상이 로컬 장치를 벗어나지 않기 때문입니다. 엣지 AI와 실시간 추론이 이를 실용적으로 만들며, ONNX와 TensorRT 같은 모델 배포 옵션을 사용하면 하나의 학습된 모델을 다양한 하드웨어에서 실행할 수 있습니다.

과제 및 한계#

데이터 품질. 모델은 학습 데이터의 품질을 반영합니다. 해상도가 낮거나 레이블이 부정확하거나 대표성이 부족한 데이터셋은 신뢰할 수 없는 모델을 생성하며, 다양하고 주석이 달린 데이터셋을 구축하는 작업은 알고리즘을 설계하는 것보다 더 많은 노동이 필요한 경우가 많습니다. 데이터 라벨링을 참조하십시오.

환경 변수. 폭우, 렌즈 플레어, 부분적인 가림 및 다양한 객체 크기는 모두 성능을 저하시킵니다. 견고한 시스템은 학습 중 데이터 증강을 사용하여 이러한 조건을 시뮬레이션하고 배포 전에 내구성을 높이며, 과적합을 방지하기 위해 신중한 검증을 수행합니다.

윤리적 고려 사항 및 편향. 인구통계학적 다양성이 부족한 데이터셋으로 학습된 모델은 인구 집단별로 불균등한 성능을 보입니다. 의료 영상, 작업장 안전 또는 공공장소에서 사람을 분석하는 시스템을 배포하는 조직은 공정성을 위해 데이터셋을 감사하고 자동화된 의사결정을 다루는 새롭게 등장하는 규정을 준수해야 합니다.

컴퓨터 비전의 미래#

Vision Transformer는 이미지에서 멀리 떨어진 부분 간의 관계를 이해해야 하는 작업에서 가능한 범위를 재정의하고 있습니다. 그뿐만 아니라 멀티모달 학습은 시각 데이터와 텍스트, 오디오 및 깊이 정보를 결합하여 더 풍부한 맥락적 이해를 갖춘 시스템을 구축합니다. 이미지에 관한 질문에 답하는 비전 언어 모델은 초기 사례입니다.

생성형 AI는 데이터 부족 문제를 직접 해결하고 있습니다. 합성 데이터를 사용하면 실제 환경에서 충분한 규모로 수집할 수 없는 희귀한 시나리오, 즉 특정 고장 유형이나 흔하지 않은 질병 양상을 매우 사실적인 이미지로 생성할 수 있습니다. 한편 깊이 감지 카메라와 LiDAR는 시스템을 평면 이미지 분석에서 공간 컴퓨팅으로 확장하고 있습니다. 공간 컴퓨팅에서는 AR 기반 유지보수 및 구조 매핑과 같은 애플리케이션을 위해 디지털 정보가 물리적 세계 위에 겹쳐 표시됩니다.

Ultralytics로 컴퓨터 비전 구현하기#

컴퓨터 비전 프로젝트를 시범 운영하는 팀에게 Ultralytics YOLO26은 실시간 객체 감지를 시작하기에 실용적인 선택입니다. 오픈 소스이며 문서가 풍부하고 엣지에서 실행할 수 있을 만큼 빠릅니다. 하드웨어별 정확도와 지연 시간 수치는 벤치마크 페이지에 게시되어 있으며, 문서에서 모델 나란히 비교도 제공합니다. 더 광범위한 생태계에는 고전적 이미지 처리를 위한 OpenCV와 기본 학습 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 몇 줄의 코드로 사전 학습된 모델을 사용해 추론을 수행합니다. 파일럿에서 프로덕션으로 전환하는 팀은 Ultralytics Platform을 사용하여 데이터셋에 주석을 달고 클라우드에서 모델을 학습하며 배포를 관리할 수 있습니다. 또는 전이 학습을 적용하여 처음부터 학습하는 것보다 훨씬 적은 양의 레이블 데이터로 사전 학습된 모델을 사용자 지정 데이터셋에 맞게 조정할 수 있습니다.