영상인식
: 인공지능을 거쳐서 영상에 포함된 의미를 분석.해석해 내는 과정
컴퓨터를 사용해 영상을 처리 즉, 이미지 처리를 연구하는
컴퓨터비젼이라는 범주에 속해 있음
영상인식 작업의 종류
-
객체 탐지 (Object Detection)
객체 존재의 유무 판단
찾고자 하는 객체의 특징을 사전에 추출하고
영상에서 해당 특징을 검출해내는 접근 사용
-
객체 인식 (Object Recognition)
탐지된 객체의 라벨링 되는 것이라고 생각할 수 있음 -
객체 추적 (Object Tracking)
동영상에서 발생
탐지된 객체, 인식된 객체를 매 프레임마다 확인하면서
객체의 움직임과 경로등을 파악하며 추적
-
객체 분류 (Object Classification)
탐지되고 인식된 객체들을 정해진 카테고리고 분류 -
객체 영역 분할 (Object Segmentation)
인식된 대상을 픽셀 단위로 정확히 분할
영상이 인식 되려면 먼저 객체의 특징을 사전에 정의하고 추출해야 함
(특징 : 주변과 다르게 숫자가 변하는, 수치적 느낌이 있는 것)
영상 처리 알고리즘의 종류
-
화소점 처리 (Point Processing)
원 화소의 값이나 위치를 바탕으로 단일 화소 값을 변경하는 기술
원래 값이나 위치를 기준으로
픽섹 안의 값을 변경하면서 이루어지는 처리산술 연산과 논리 연산 방법이 있음
-
영역 처리 (Area Processing)
픽셀의 원래 값과 이웃하는 여러 픽셀이
서로 관계하여 생성된 픽셀 값을 기준으로 값이 변경되는 것
(ex. 샤프닝, 블러) -
기하학 처리 (Geometric Processing)
디지털 영상 픽셀의 위치나 픽섹의 모임인 배열을
변화시키는 방법
(ex. 영상 회전, 이동) -
프레임 처리 (Frame Processing)
(ex. 시간이 지나고 바뀌는 것과 바뀌지 않는것이 같이 있을 때)
1초 전 영상 데이터 - 지금 영상 데이터
인공 지능을 학습 시키기 위해서는 데이터 수집, 전처리, 특징추출, 학습, 검증의
다섯 과정을 거쳐야 함
데이터 수집 ~ 특징 추출 : 트레이닝 데이터 셋을 모으는 것
학습 ~ 검증 : 학습을 시키고 추론 결과를 살피는 것
사람이 어떻게 학습 데이터를 만들어 주는지에 따라 인공지능의 효율이 달라짐
