Image Classification

이미지 분류는 모델이 이미지 전체를 살펴보고 고정된 클래스 집합에서 하나의 레이블을 할당하는 컴퓨터 비전 작업이며, 각 클래스에 대한 신뢰도 점수도 함께 산출합니다. 이미지가 "무엇을 보여 주는가?"라는 질문에 답하는 작업으로, 고양이인지 개인지, 불량인지 정상인지, 폐렴인지 정상인지 등을 판별합니다. 이는 핵심 비전 작업 중 가장 단순하며 다른 작업의 토대이기도 합니다. 대규모 데이터셋에서 이미지 분류를 먼저 학습한 백본을 전이 학습을 통해 검출 및 분할의 특징 추출기로 재사용하기 때문입니다.

이미지 분류의 작동 방식#

분류기는 세 단계를 거쳐 픽셀을 클래스 확률로 변환합니다. 합성곱 신경망 (CNN) 또는 비전 Transformer (ViT)인 백본은 레이어마다 특징을 추출합니다. 초기 레이어에서는 에지와 텍스처를, 더 깊은 레이어에서는 객체의 일부와 전체 객체를 포착합니다. 풀링 단계에서는 최종 특징 맵을 이미지 전체를 요약하는 하나의 벡터로 축소합니다. 그런 다음 완전 연결 레이어가 클래스마다 점수 또는 로짓 하나를 출력하고, 소프트맥스 함수가 이 점수를 합이 1인 확률로 변환합니다.

모델은 지도 학습을 통해 레이블이 지정된 이미지에서 이 매핑을 학습하며, 예측 확률과 실제 클래스 간의 교차 엔트로피 손실을 최소화합니다. 단일 레이블(다중 클래스) 분류는 소프트맥스로 이미지마다 정확히 하나의 클래스를 선택합니다. 하나의 이미지에 여러 대상이 있을 수 있는 경우에 사용하는 다중 레이블 분류는 시그모이드를 사용해 각 클래스의 점수를 독립적으로 계산하고 임계값을 초과하는 모든 클래스를 선택합니다.

-cls 접미사로 표시되는 Ultralytics YOLO26 분류 모델은 단일 라벨 분류기이며, 224×224픽셀 ImageNet 데이터로 사전 학습됩니다. 가장 작은 모델인 YOLO26n-cls는 파라미터 280만 개로 톱-1 정확도 71.4%를 달성합니다. 클래스별 이미지 폴더 하나로 구성된 모든 데이터셋으로 학습할 수 있습니다.

from ultralytics import YOLO

# Load a YOLO26 classification model pretrained on the 1,000 ImageNet classes
model = YOLO("yolo26n-cls.pt")

# Classify the whole image
results = model("https://ultralytics.com/images/bus.jpg")
probs = results[0].probs

# Show the five most likely classes and their softmax probabilities
for class_id, confidence in zip(probs.top5, probs.top5conf.tolist()):
    print(f"{results[0].names[class_id]}: {confidence:.2f}")

다섯 개 확률은 1,000개 모든 클래스에 대한 하나의 소프트맥스에서 계산되므로, 비슷한 클래스와 비교했을 때 모델이 최상위 선택지를 얼마나 확신하는지 보여 줍니다.

분류와 검출 및 분할 비교#

분류는 이미지 전체를 설명하며, 대상의 위치나 개수는 알려 주지 않습니다.

• 객체 검출: 각 객체를 찾아 레이블을 지정하고 바운딩 박스로 위치를 표시하므로, 한 사진에서 자동차 세 대를 셀 수 있습니다.
• 이미지 분할: 픽셀에 레이블을 지정하여 각 객체나 영역의 정확한 윤곽을 추적합니다.
• 이미지 인식: 이미지의 콘텐츠를 식별하는 더 포괄적인 용어로, 분류와 동의어처럼 느슨하게 쓰이는 경우가 많습니다.

어떤 작업을 선택할지는 애플리케이션에 필요한 공간적 세부 정보의 수준에 따라 달라집니다.

실제 적용 사례#

• 제조 검사: 생산 라인의 카메라가 각 부품을 촬영하고, 분류기가 합격 또는 불합격으로 판정하여 불량품을 자동으로 걸러냅니다.
• 의료 분류: 모델은 흉부 X선, 피부 병변 사진, 망막 스캔을 정상과 비정상으로 분류하여 임상의가 긴급 사례를 먼저 검토할 수 있도록 합니다.
• 농업: 농부는 휴대전화로 잎을 촬영하고, 분류기는 작물 질병이나 영양 결핍을 식별합니다.
• 콘텐츠 구성: 사진 라이브러리와 마켓플레이스는 수백만 장의 이미지에 장면 및 제품 카테고리 태그를 달아 검색과 조정이 가능하도록 합니다.

벤치마크 및 모델#

분류기 비교에는 가장 높은 확률의 클래스가 정답인 이미지 비율인 톱-1 정확도와, 실제 클래스가 가능성이 가장 높은 5개 클래스 안에 포함된 이미지 비율인 톱-5 정확도를 사용합니다. 현대 분류는 ImageNet 대규모 시각 인식 챌린지에서 발전했습니다. 약 128만 개의 학습 이미지와 1,000개 클래스가 포함된 하위 집합은 여전히 표준 벤치마크입니다. 2012년 AlexNet은 준우승 모델의 26.2%보다 낮은 15.3%의 톱-5 오류율을 기록하며 비전 분야의 딥러닝 시대를 열었습니다. ResNet은 2015년에 100개가 넘는 계층을 가진 네트워크의 학습을 가능하게 했으며, Vision Transformer는 2020년에 어텐션 기반 모델이 이미지 1,400만~3억 개로 사전 학습되면 CNN과 대등하거나 더 우수한 성능을 낸다는 점을 보여 줬습니다.