컴퓨터 비전

현서·2025년 2월 17일

컴퓨터 비전

목록 보기

1/16

1. 컴퓨터 비전

컴퓨터가 인간처럼 이미지나 영상을 이해하고 분석할 수 있도록 하는 기술
객체 검출, 이미지 분류, 얼굴 인식, 장면 이해 등
머신러닝과 딥러닝을 활용하여 이미지 속 특징을 추출하고 패턴을 학습한다.

ex) 자율주행 자동차, 의료 영상 분석(CT나 MRI 이미지 분석 → 질병 진단)

최근에는 합성곱 신경망(CNN)과 같은 딥러닝 모델이 발전하면서 컴퓨터 비전의 성능이 크게 향상되었으며, 다양한 산업에서 활발히 활용되고 있다.

2. 컴퓨터 비전에서의 데이터셋

딥러닝 모델은 대량의 이미지 데이터를 학습하여 패턴을 인식하고 일반화하는 능력을 갖추기 때문에, 양질의 데이터셋이 필수적이다.
데이터셋이 다양하고 균형 잡혀 있을수록 모델은 과적합을 피하고 실제 환경에서도 잘 작동할 가능성이 높아진다.
좋은 데이터셋을 구축하기 위해서는 이미지의 품질, 다양한 환경에서의 데이터 확보, 라벨링의 정확성 등이 중요하다.
최근에는 데이터 증강(Augmentation)과 생성 모델(GANs)을 활용하여 부족한 데이터를 보완하는 기법도 활용되고 있다.

2-1. Papers with Code

Papers with Code : 최신 머신러닝 및 인공지능 연구 논문과 함께 해당 논문의 코드 구현을 제공하는 오픈 플랫폼

2-2. AI Hub

AI Hub : 한국의 인공지능 데이터 및 알고리즘 공유 플랫폼으로, AI 연구 개발을 지원하기 위해 다양한 데이터셋, 학습용 API, 개발 도구 등을 제공한다.

2-3. COCO

COCO(Common Objects in Context) 데이터셋 : 컴퓨터 비전 분야에서 객체 검출(Object Detection), 이미지 분할(Image Segmentation), 이미지 캡셔닝(Image Captioning) 등의 연구를 위해 널리 사용되는 대규모 데이터셋

2-4. Open Images Dataset

Open Images Dataset : Google이 제공하는 대규모 컴퓨터 비전 데이터셋으로, 객체 검출(Object Detection), 이미지 분류(Image Classification), 이미지 세그멘테이션(Image Segmentation) 등의 연구를 위해 설계되었다.

2-5. CheXpert

CheXpert 데이터셋 : 의료 영상 분석, 특히 흉부 X-ray 이미지 기반의 질병 진단을 위한 대규모 데이터셋

2-6. KITTI

KITTI 데이터셋 : 자율주행 및 컴퓨터 비전 연구를 위한 대표적인 대규모 데이터셋.

3. 어노테이션 (Annotation)

지도학습(Supervised Learning)에서 데이터에 대한 정답(라벨)을 부여하는 과정
컴퓨터 비전에서는 이미지나 영상 내 객체의 위치, 크기, 카테고리 등을 사람이 직접 지정하거나 자동화된 도구를 이용해 태그하는 작업을 포함한다.
어노테이션 데이터는 딥러닝 모델이 객체를 학습하고 인식하는 데 필수적이며, 데이터 품질이 모델 성능에 직접적인 영향을 미친다.
최근에는 자동 어노테이션 도구나 크라우드소싱 플랫폼을 활용하여 대량의 데이터를 효율적으로 라벨링하는 기술도 발전하고 있다.