컴퓨터 비전의 기본 개념은 크게 4가지이다.
- Classification
- Object Detection
- Image Segmentation
- Visual relationship
Classification
Classification은 분류의 개념으로 분류는 주어진 데이터를 클래스 별로 구별해 내는 과정으로 다양한 분류 알고리즘을 통해 데이터와 데이터의 레이블 값을 학습시키고 모델을 생성한다. 데이터가 주어졌을 때 학습된 모델을 통해 어느 범주에 속한 데이터인지 판단하고 예측하게 된다.
예를 들면 빨간색과 노란색 레이어 층이 무수히 반복되는 그림(1)이 있다고 하자. 이러한 그림이 컴퓨터에게 들어오면 이것은 데이터일 것이다. 그럼 컴퓨터는 데이터를 받고, 이 그림을 학습한다. 사전에 분류 알고리즘을 통해 알고리즘 자체를 학습시켜놓게 되는데 이를 통해 컴퓨터는 입력 받은 데이터를 학습 할 수 있게 된다.
이렇게 학습한 데이터는 (알고리즘을 통해 '구별'이 가능해졌다는 전제하에.) 노란색이라고 입력한 노란색 그림 데이터를 통해서 빨간색과 노란색 레이어층이 반복되는 그림(1)에서 노란색을 구별할 수 있게 되는 것이다.
Object Detection
다음인 2. Object Detection 은 오브젝트를 '검출' 하는 과정이다. 만약 고양이를 인식할 수 있는 모델을 만들고 싶다고 하자. 그렇다면 사용자는 고양이를 인공지능에게 인식시키기 위해 많은 이미지 데이터를 입력할 것이다. 그런데 입력한 이미지 그림은 배경도 있을거고, 고양이도 있을거고, 심지어 다른 사람이나 동물들이 함께 찍힌 그림일수도 있다. 그렇다면 처음에 AI는 여기서 어떤게 고양이인지 알 수 있을까?
Object Detection은 이러한 부분에서 사용되는 알고리즘(들)이다. 찾고자 하는 Object의 특징을 사전에 추출하고 주어진 영상이나 이미지 내에서 해당 특징을 검출하는 접근을 주로 사용한다.
이렇다면 여기서 이 '특징(Feature)'이 무엇인가에 대해 의문점을 가질 수 있다. 그렇다면 Object Detection Algorithms에 대해서 알아야 하는데 이는 다음과 같다.
1. 전처리(Pre-procession)
2. 특징 추출(Feature Extraction)
3. 분류 (Classifier)
전처리 과정을 말 그대로 영상의 노이즈 등을 제거하여 컴퓨터가 정확한 인식이 가능하도록 도와주는 단계이고, 특징 추출은 다음의 그림을 참고하면 된다.
즉, 특징 추출은 알고리즘에 따라 다르지만 위의 예시는 컴퓨터에게 '규칙'을 지속적으로 추가해 주는 방식이며, 외에도 그림 1과 같이 픽셀 단위의 정보로 이미지에서 특징을 추출하거나 윤곽선을 인식하는 등 다양한 알고리즘이 존재한다.
마지막으로 분류는 위의 과정을 통해 데이터가 어느 종류에 속하는지를 판별하는 AI 모델이다.
Image Segmentation
다음인 3. Image Segmentation 는 영상 분할로 디지털 영상을 여러 개의 픽셀 집합으로 나누는 과정을 말한다. 이것의 목적은 영상의 표현을 좀 더 해석하기 쉬운 것으로 단순화(변환)하는 것이다. 즉, 어떠한 디지털 이미지가 주어졌을 때, 이미지를 0과 255 같이 2가지 값으로 분리시켜 분류가 용이해지도록 하는 것이다.
visual relationship
마지막인 4. visual relationship이란 object 간의 상호작용을 포착하는 것이다. 모든 가능한 관계를 포착하기는 어렵기 때문에 '자주나오고 보편적인 관계들만' 포착한다. objects와 predicates를 각각 훈련하여 나중에 합쳐서 한 이미지에 대한 여러 관계들을 포착한다.
References
https://minjeongban.tistory.com/18
https://www.playsw.or.kr/artificial/textbook/detail/10
https://deepbaksuvision.github.io/Modu_ObjectDetection/posts/01_00_What_is_Object_Detection.html
https://3months.tistory.com/512
2024-01-03 13:35
공부하면서 작성한 글이기 때문에 틀린 부분이나 개선할 점 지적 부탁드립니다.
