이미지 처리와 컴퓨터 비전
컴퓨터 비전
- 컴퓨터 비전(computer vision): 이미지 데이터에서 과업에 필요한 정보를 추출하고 해석하는 인공지능 분야.
- 사람은 장면을 보면 사물, 위치, 상황을 자연스럽게 파악
- 카메라는 장면을 이미지나 동영상으로 저장
- 이미지는 컴퓨터가 처리할 수 있도록 수치 데이터로 변환
- 컴퓨터 비전은 이러한 수치 데이터를 바탕으로 장면을 인식
| 입력 | 질문 | 출력 예시 |
|---|---|---|
| 제품 사진 | 무엇인가? | 제품 종류 또는 불량 여부 |
| 도로 영상 | 무엇이 어디에 있는가? | 자동차·보행자의 종류와 위치 |
| 문서 사진 | 어떤 글자가 있는가? | 인식된 텍스트 |
| 의료 영상 | 어느 픽셀이 병변인가? | 병변 영역 마스크 |
| 사람 영상 | 관절이 어디에 있는가? | 신체 주요 지점의 좌표 |
이미지 처리와 컴퓨터 비전
| 구분 | 이미지 처리 | 컴퓨터 비전 |
|---|---|---|
| 주요 목적 | 이미지를 변환하거나 필요한 특징을 강조 | 이미지에서 의미와 구조를 추출 |
| 대표 출력 | 보정된 이미지, 이진 이미지, 마스크 | 범주, 위치, 영역, 텍스트, 깊이, 자세 |
| 예시 | 밝기 조정, 노이즈 제거, 크기 변경, 선명화 | 불량 판정, 객체 탐지, 문자 인식, 자세 추정 |
고전 컴퓨터 비전과 딥러닝 컴퓨터 비전
고전 컴퓨터 비전
- 특징 설계 방식: 사람이 색, 경계, 모양 등의 특징을 선택
- 일반적인 흐름: 전처리 → 특징 추출 → 규칙 적용
- 장점: 처리 과정이 비교적 명확하고 제한된 환경에서 효율적
- 한계: 조명, 크기, 회전, 배경 변화에 맞춘 규칙 설계 필요
- 예시: 사과를 찾는 문제
빨간색 영역 선택 → 둥근 윤곽선 탐색 → 조건에 맞으면 사과로 판단
딥러닝 컴퓨터 비전
- 특징 설계 방식: 모델이 데이터에서 과업에 필요한 특징을 학습
- 일반적인 흐름: 데이터 준비 → 모델 학습 → 예측
- 장점: 복잡한 배경과 다양한 객체 변화에 대응하기 유리
- 한계: 충분한 데이터와 연산 자원이 필요하며 오류 원인 해석이 어려울 수 있음
- 예시: 사과를 찾는 문제
사과가 표시된 여러 이미지를 학습 → 모델이 특징을 학습 → 새 이미지에서 사과 예측