객체 감지 아키텍처

객체 감지 아키텍처는 객체 감지를 수행하는 딥 러닝 모델의 기본 청사진입니다. 이 컴퓨터 비전(CV) 작업은 이미지 또는 비디오 내에서 객체의 존재와 위치를 식별하는 것을 포함하며, 일반적으로 바운딩 박스를 그리고 클래스 레이블을 할당합니다. 아키텍처는 시각 정보를 처리하고 예측하는 방법을 포함하여 모델의 구조를 정의합니다. 아키텍처 선택은 모델의 속도, 정확도 및 계산 요구 사항에 직접적인 영향을 미치므로 매우 중요합니다.

객체 감지 아키텍처 작동 방식

대부분의 최신 객체 감지 아키텍처는 순차적으로 작동하는 세 가지 주요 구성 요소로 구성됩니다.

• Backbone: 이는 합성곱 신경망(CNN)으로, 종종 ImageNet과 같은 대규모 이미지 분류 데이터 세트에서 사전 훈련됩니다. 주요 역할은 특징 추출기로서 입력 이미지를 계층적 시각 정보를 캡처하는 일련의 특징 맵으로 변환하는 것입니다. 널리 사용되는 백본 네트워크로는 ResNet과 많은 YOLO 모델에서 사용되는 CSPDarknet이 있습니다. CNN의 기본 사항에 대한 자세한 내용은 IBM의 상세 개요와 같은 자료에서 확인할 수 있습니다.
• Neck: 이 선택적 구성 요소는 backbone과 head 사이에 위치합니다. backbone에서 생성된 특징 맵을 집계하고 개선하여 다양한 크기의 객체 감지를 개선하기 위해 서로 다른 스케일의 특징을 결합하는 역할을 합니다. Feature Pyramid Network(FPN)가 그 예입니다.
• Detection Head: 헤드는 예측을 수행하는 최종 구성 요소입니다. 넥(또는 백본에서 직접)에서 처리된 특징 맵을 가져와 감지된 각 객체에 대한 클래스 확률 및 경계 상자 좌표를 출력합니다.

아키텍처 유형

객체 감지 아키텍처는 예측 방식에 따라 크게 분류되며, 이는 속도와 정확도 간의 절충으로 이어집니다. 자세한 모델 비교를 통해 이러한 절충점을 직접 확인할 수 있습니다.

• Two-Stage 객체 검출기: R-CNN 계열과 같은 이러한 모델은 먼저 후보 객체 영역(영역 제안) 집합을 식별한 다음 각 영역을 분류합니다. 이 2단계 프로세스는 높은 정확도를 달성할 수 있지만 종종 더 느립니다.
• 원-스테이지 객체 검출기(One-Stage Object Detectors): Ultralytics YOLO(You Only Look Once) 제품군과 같은 아키텍처는 객체 탐지를 단일 회귀 문제로 취급합니다. 실시간 추론(real-time inference)을 가능하게 하면서, 전체 이미지에서 바운딩 박스와 클래스 확률을 직접 예측합니다.
• 앵커 프리 감지기: 단일 단계 감지기 내에서 보다 최근의 진화인 Ultralytics YOLO11과 같은 앵커 프리 아키텍처는 미리 정의된 앵커 상자의 필요성을 제거합니다. 이는 훈련 프로세스를 단순화하고 종종 더 빠르고 효율적인 모델로 이어집니다.

실제 애플리케이션

객체 탐지 아키텍처는 다양한 분야에서 수많은 AI 애플리케이션을 지원합니다.

• 자율 주행 차량: 자율 주행 자동차가 보행자, 다른 차량, 교통 표지판 및 차선 표시를 감지하여 주변 환경을 인식하는 데 필수적입니다. Waymo와 같은 회사는 정교한 객체 감지에 크게 의존합니다. 자율 주행 자동차의 AI에 대해 자세히 알아보세요.
• 보안 및 감시: 보안 시스템에서 무단 접근을 감지하고, 군중의 비정상적인 활동을 감시하거나, 얼굴 인식을 구현하는 데 사용됩니다. 실제 예는 Ultralytics 보안 경보 시스템 가이드를 참조하십시오.
• 의료 영상 분석: 방사선 전문의가 X-레이, CT 스캔 및 MRI에서 종양 또는 골절과 같은 이상 징후를 감지하는 데 도움을 줍니다. 의료 솔루션의 AI와 YOLO11을 사용한 종양 감지와 같은 특정 응용 프로그램을 살펴보십시오.
• 소매 분석(Retail Analytics): 자동 결제, 선반 모니터링 및 재고 관리를 위한 AI와 같은 애플리케이션을 지원합니다.

도구 및 기술

이러한 아키텍처를 기반으로 모델을 개발하고 배포하려면 종종 특수 도구와 프레임워크가 필요합니다.

• 딥 러닝 프레임워크: PyTorch(공식 PyTorch 웹사이트 방문) 및 TensorFlow(TensorFlow 웹사이트 참조)와 같은 라이브러리는 핵심 구성 요소를 제공합니다.
• 컴퓨터 비전 라이브러리: OpenCV(공식 사이트: OpenCV.org)는 이미지 처리 및 조작을 위한 광범위한 기능을 제공합니다.
• 모델 및 플랫폼: Ultralytics는 최첨단 Ultralytics YOLO 모델과 Ultralytics HUB 플랫폼을 제공하여 사용자 지정 모델 학습, 데이터 세트(예: COCO) 관리 및 솔루션 배포 프로세스를 간소화합니다.
• 오픈 소스: 많은 객체 탐지 아키텍처와 도구가 오픈 소스 라이선스하에 개발되어 AI 커뮤니티 내에서 협업과 혁신을 촉진합니다. GitHub와 같은 리소스는 이 도메인의 수많은 프로젝트를 호스팅합니다.