객체인식
반드시알아야할3가지
객체인식은이미지또는비디오상의객체를식별하는컴퓨터비전기술입니다。객체인식은딥러닝과머신러닝알고리즘을통해산출되는핵심기술입니다。사람은사진또는비디오를볼때인물,물체,장면및시각적세부사항을쉽게알아챌수있습니다。이기술의목표는이미지에포함된사항을이해하는수준의능력과같이사람이라면당연히할수있는일을컴퓨터도할수있도록학습시키는것입니다。
그림1。객체인식을사용하여다른카테고리의객체식별하기。
객체인식은무인자동차에서활용되는핵심기술로,자동차가정지신호를인식하고보행자와가로등을구별할수있도록합니다。또한객체인식기술은바이오이미징에서의질병식별,산업검사및로봇비전과같은여러분야에서활용할수있습니다。
객체 인식 과 객체 감지의 차이점
객체감지(对象检测)와객체인식(对象识别)은서로유사한객체식별기술이지만,실행방식은서로다릅니다。객체감지는이미지에서객체의인스턴스를찾아내는프로세스입니다。딥러닝의경우객체감지는이미지에서객체를식별할뿐만아니라위치까지파악되는객체인식의서브셋입니다。이를통해하나의이미지에서여러객체를식별하고각위치를파악할수있습니다。
그림2。객체인식(왼쪽)과객체감지(오른쪽)。
객체 인식 기술
딥러닝을사용한객체인식
딥러닝기술은객체인식에널리사용되는방법이되었습니다。美国有线电视新闻网(컨벌루션뉴럴네트워크)과같은딥러닝모델은객체를식별하기위해해당객체고유의특징을자동으로학습하는데사용됩니다。예를들어CNN에서는수천장의훈련용이미지를분석하고고양이와개를구분하는특징을학습하여고양이와개의차이점을식별하는방법을학습할수있습니다。
딥러닝을 사용하여 객체 인식을 실시하는 두 가지 접근 방식이 있습니다.
- 기초부터모델훈련시키기:기초부터딥네트워크를훈련시키기위해서는레이블이지정된,매우방대한데이터세트를모으고,네트워크아키텍처를설계하여특징을학습하고모델을완성합니다。이를통해뛰어난결과물을얻을수있지만,이러한접근방식을위해서는방대한분량의훈련데이터가필요하고CNN에레이어와가중치를설정해야합니다。
- 사전훈련된딥러닝모델사용하기:대다수 딥러닝 응용 프로그램은 사전 훈련된 모델을 세밀하게 조정하는 방법이 포함된 프로세스인전이 학습방식을 사용합니다. 이 방식에서는 阿列克斯内特또는 水壶과 같은 기존 네트워크를 사용하여 이전에 알려지지 않은 클래스를 포함하는 새로운 데이터를 주입합니다. 이 방법을 사용하면 수천 또는 수백만 장의 이미지로 모델을 미리 훈련한 덕분에 시간 소모가 줄게 되고 결과물을 빠르게 산출할 수 있습니다.
딥러닝은 높은 수준의 정밀도를 제공하지만, 정확한 예측을 위해서는 대량의 데이터를 필요로 합니다.
그림4:식당음식을인식하는데객체인식을사용하는딥러닝응용분야。
머신 러닝을 사용한 객체 인식
머신러닝기술도객체인식에널리사용되고있으며,딥러닝과는다른접근방식을제공합니다。머신러닝기술이사용되는일반적인사례는아래와같습니다。
- 支持向量机머신러닝모델을사용한猪특징추출
- 冲浪및女士과같은특징을사용한단어주머니(Bag-of-Words)모델
- 얼굴과상반신을포함하여다양한객체를인식하는데사용할수있는Viola-Jones알고리즘
머신 러닝 워크플로
표준 머신 러닝 방식을 사용하여 객체 인식을 수행하려면 이미지(또는 비디오)를 모아 각 이미지에서 주요 특징을 선택합니다. 예를 들어 특징 추출 알고리즘을 사용하면 데이터에서 클래스 간의 구분에 사용할 수 있는 가장자리 또는 코너 특징이 추출됩니다.
그런다음,이러한특징을머신러닝모델에추가하여각특징을고유카테고리로나눈후새로운객체를분석및분류할때이정보를사용합니다。
정확한객체인식모델을만들기위해다양한머신러닝알고리즘과특징추출방법을조합하여사용할수있습니다。
그림5:객체인식에사용되는머신러닝워크플로。
객체인식에머신러닝을사용하면다양한특징과분류기를최적으로조합하여학습에사용할수있습니다。최소의데이터로도정확한결과를얻을수있습니다。
객체인식을위한머신러닝과딥러닝의차이점
최적의 객체 인식 접근 방식은 응용 분야와 해결하려는 문제에 따라 다릅니다. 많은 경우, 특히 객체의 클래스를 구분하기 위해 이미지의 어떤 특징을 사용하는 것이 가장 좋은지 알고 있을 때는 머신 러닝이 효과적인 기술일 수 있습니다.
머신러닝과딥러닝중무엇을선택할지고민되는경우에는고성능GPU와대량의레이블이지정된학습용이미지를보유하고있는지를중점적으로고려해야합니다。이러한조건이갖추어지지않았다면머신러닝방식이보다나은선택일수있습니다。딥러닝기술은이미지가많을때더나은결과를보여주는경향이있으며,GPU는모델을학습시키기위해필요한시간을줄이는데도움이됩니다。
그림6:딥러닝과머신러닝중에서선택할때고려해야하는주요요소。
자세히알아보기
기타객체인식방법
응용분야에따라서는좀더기초적인다른객체인식방법을사용하는것만으로도충분할수있습니다。
- 템플릿매칭– 대형 이미지에서 일치하는 부분을 찾기 위해 소형 이미지 또는 템플릿 사용
- 이미지분할및BLOB분석——크기,색상또는모양과같은단순한객체속성사용
일반적으로이미지분할과같은단순한방식을사용하여객체를인식할수있으면단순한방식을사용하여시작하는것이좋습니다。이러한방식을통해수백또는수천장의훈련용이미지또는과도하게복잡한솔루션이필요하지않으면서도견고한솔루션을사용할수있습니다。
MATLAB을 활용한 딥러닝 및 머신 러닝
전문가가아니어도단몇줄의MATLAB®코드로객체인식을위한머신러닝및딥러닝모델을만들수있습니다。
객체인식에MATLAB을사용하면다음과같은이점이제공되어짧은시간안에성공을거둘수있습니다。
- MATLAB으로분야별전문지식을활용하여데이터과학을학습할수있습니다。
MATLAB을 활용하여 머신 러닝과 딥러닝 영역에서 전문 지식을 습득할 수 있습니다. MATLAB은 이러한 영역에 대한 학습을 실용적이고 이해하기 쉽게 만듭니다. 또한 MATLAB을 사용하는 전문가는 산업 또는 응용 분야에 관한 지식이 없을 수 있는 데이터 과학자에게 작업을 넘기지 않고도 객체 인식 모델을 만들 수 있습니다.
- 앱을사용하여데이터에레이블을지정하고모델을만들수있습니다。
MATLAB을사용하면최소의코드로머신러닝과딥러닝모델을만들수있습니다。
分类学习者앱을사용하면머신러닝모델을빠르게완성하고코드작성없이여러머신러닝알고리즘을비교할수있습니다。
图片标志앱을사용하면딥러닝모델학습및테스트를위해이미지내의객체에대화형방식으로레이블을지정하고비디오상의레이블지정작업을자동화할수있습니다。이대화형자동방식을통해짧은시간안에더나은결과물을얻을수있습니다。
- 객체인식을단일워크플로로통합할수있습니다。
MATLAB은여러영역을단일워크플로로통합할수있습니다。MATLAB을사용하면하나의환경에서생각하고프로그래밍할수있습니다。또한,딥러닝과머신러닝뿐만아니라로봇공학,컴퓨터비전및데이터분석등의다양한알고리즘영역에제공되는툴과기능을사용할수있습니다。
MATLAB은 엔터프라이즈 시스템, 클러스트, 클라우드 및 임베디드 기기에 모델을 배포하는 작업을 자동화합니다.
