JSON

주요 특징

JSON의 구조는 두 가지 기본 요소를 기반으로 합니다:

1. 키-값 쌍: 다양한 프로그래밍 언어에서 객체, 사전 또는 연관 배열이라고도 하는 이름/값 쌍의 컬렉션입니다. 키는 항상 문자열이고 값은 문자열, 숫자, 부울, 배열 또는 다른 JSON 객체일 수 있습니다.
2. 정렬된 목록: 배열 또는 목록으로 알려진 값의 정렬된 시퀀스입니다. 배열의 값은 모든 유효한 JSON 데이터 유형이 될 수 있습니다.

이 간단한 구조 덕분에 JSON 파일을 쉽게 만들고, 읽고, 수정할 수 있습니다. 언어에 구애받지 않으므로 다음과 같은 다양한 프로그래밍 언어에서 사용할 수 있습니다. Python 과 같은 다양한 프로그래밍 언어와 플랫폼에서 호환성 문제 없이 사용할 수 있어 분산 시스템과 마이크로서비스에 매우 유용합니다.

AI 및 ML 분야의 애플리케이션

JSON은 AI 및 ML 워크플로우의 다양한 측면에서 중요한 역할을 합니다:

• 모델 구성: 가독성이 향상되어 복잡한 구성에는 YAML이 선호되는 경우가 많지만, 구성 매개변수를 지정하는 API 호출이나 간단한 구성 파일 내에서는 JSON이 자주 사용됩니다.
• 데이터 어노테이션 및 데이터 세트: 컴퓨터 비전(CV)에서 JSON은 객체 감지 및 이미지 분할과 같은 작업을 위한 주석을 저장하는 일반적인 형식입니다. 주석 파일에는 클래스 레이블, 바운딩 박스 좌표 또는 세분화 다각형이 JSON 형식으로 표시된 객체 목록이 포함되는 경우가 많습니다. COCO와 같은 많은 표준 데이터 세트는 어노테이션 구조에 JSON을 사용합니다.
• API 통신: JSON은 AI 및 ML 서비스에 사용되는 것을 포함해 웹 API의 데이터 교환을 위한 사실상의 표준입니다. 클라우드 컴퓨팅 플랫폼이나 REST와 같은 프로토콜을 사용하여 전용 엔드포인트를 통해 호스팅되는 AI 모델과 상호 작용할 때, 입력 데이터(예: 이미지 URL, 텍스트)는 종종 JSON 페이로드로 전송되고 모델의 예측(예: 감지된 개체, 클래스 확률, 신뢰도 점수)은 JSON 형식으로 반환됩니다. Ultralytics 추론 API는 요청 및 응답 형식에 JSON을 사용합니다.
• 모델 결과 저장: 예측된 클래스, 바운딩 박스 또는 평균 정밀도(mAP)와 같은 성능 메트릭과 같은 모델 추론 또는 평가의 결과를 JSON 파일에 편리하게 저장할 수 있습니다. 이 구조화된 형식은 결과를 쉽게 파싱, 분석 또는 대규모 MLOps 파이프라인에 통합할 수 있게 해줍니다.

실제 사례

다음은 AI 및 ML에서 JSON의 실제 적용 사례를 보여주는 몇 가지 예시입니다:

1. 자율주행 차량: 자율 주행 차량의 카메라, 라이더, 레이더의 센서 데이터는 종종 서로 다른 시스템 구성 요소 간에 처리되고 통신되어야 합니다. JSON을 사용하여 감지된 물체의 유형, 위치, 속도, 신뢰 수준을 나타내는 이 데이터를 구조화하여 딥러닝 모델로 구동되는 의사 결정 알고리즘에 공급할 수 있습니다. Waymo와 같은 회사는 복잡한 시스템을 위해 강력한 데이터 형식을 사용합니다.
2. Ultralytics HUB: API를 통해 프로그래밍 방식으로 Ultralytics HUB와 상호 작용할 때, 훈련 작업 시작, 데이터 세트 업로드 또는 모델 성능 메트릭 검색 요청에는 종종 JSON 형식의 데이터 송수신이 포함됩니다. 따라서 사용자 지정 워크플로우 및 애플리케이션에 HUB 기능을 원활하게 통합할 수 있습니다.

JSON과 다른 데이터 형식 비교

JSON을 다른 일반적인 데이터 직렬화 형식과 비교하면 도움이 됩니다:

• YAML(YAML은 마크업 언어가 아님): YAML은 사람의 가독성을 우선시하며 구성 파일(예: 모델 아키텍처 또는 학습 매개변수 정의)에 선호되는 경우가 많습니다. JSON도 구성에 사용할 수 있지만, 일반적으로 복잡한 중첩 구조의 경우 YAML의 구문(들여쓰기 사용)이 더 깔끔하고 읽기 쉬운 것으로 간주됩니다. JSON은 일반적으로 더 간단한 구문 분석 규칙과 광범위한 지원으로 인해 API를 통한 데이터 교환에 선호됩니다.
• XML(확장 가능한 마크업 언어): XML은 사람이 읽을 수 있고 기계가 읽을 수 있는 형식으로 문서를 인코딩하는 데 사용되는 또 다른 마크업 언어입니다. JSON에 비해 XML은 닫는 태그를 사용하기 때문에 더 장황하고 구문 분석이 더 복잡한 경향이 있습니다. 여전히 엔터프라이즈 시스템과 SOAP와 같은 특정 표준에서 사용되고 있지만, 단순성과 낮은 오버헤드로 인해 웹 애플리케이션과 최신 API에서 JSON은 대부분 XML을 대체하고 있습니다.

요약하자면, JSON은 가벼운 특성, 사람의 가독성, 구문 분석의 용이성으로 인해 AI 및 ML 시스템에서 데이터를 구조화하고 교환하는 데 매우 효과적이고 널리 채택된 형식이며, 특히 API 통신 및 구조화된 결과 저장을 위해 사용됩니다. 프로그래밍 언어 간에 호환되므로 데이터 주석 및 데이터 전처리 단계부터 다음과 같은 도구를 사용한 최종 모델 배포에 이르기까지 다양한 기술 스택 내에서 원활한 통합을 보장합니다. Ultralytics YOLO.