Posted by 머신러닝과 이미지 인식이라는 용어는 최근 디지털 시대에 빠르게 대중화되고 있다. 하지만 이 두 기술이 어떻게 작동하는지, 그리고 왜 중요한지, AI가 이미지를 ‘어떻게’ 보는지에 대해 알아보고자 한다.
머신러닝의 기본: 데이터로부터 학습하기
머신러닝은 기본적으로 컴퓨터가 데이터를 통해 패턴이나 규칙을 ‘학습’하는 과정을 말한다. 전통적인 프로그래밍과는 달리 명시적인 규칙을 제시하지 않고, 대신 데이터를 통해 컴퓨터가 스스로 규칙을 발견하게 한다.
아래 그림은 딥러닝의 기본적인 Artificial Neural Network(ANN, 인공신경망)을 보여준다.
인공신경망의 접근 방식은 인간의 두뇌와 동일한 방식으로 문제를 해결하려고 시도한다.
사람이 주어지는 데이터인 Input과 Output을 통해 Hidden Layer의 Neuron(뉴런)들은 계산을 반복하면서 결과(Output)를 잘 따라갈 수 있도록 업데이트 되며, 이를 Learning(학습)이라 한다.
이미지 인식: 컴퓨터가 ‘보는‘ 과정
이미지 인식은 컴퓨터가 이미지를 처리하고, 그 이미지 내의 객체나 특징을 ‘인식’하는 기술이다. 이 과정에서 머신러닝 모델은 이미지의 픽셀 값을 분석하여 사람, 동물, 물체 등을 구별하게 된다.
이미지 인식은 Training Process와 Recognition Process로 나다.
Training Process에서 Image별 특징을 학습하게 되고, Recognition Process에서 학습된 Image의 지역별 특징을 기준으로 분류하게 된다.
컴퓨터가 이미지를 ‘어떻게‘ 보는가?
컴퓨터는 이미지를 RGB 색상 채널의 픽셀 값으로 해석하며, 머신러닝 알고리즘은 이 픽셀 값들의 패턴을 학습하여 이미지 속의 물체나 현상을 인식한다. 특히, 딥러닝 모델인 CNN(Convolutional Neural Network)은 이미지의 지역적 특징을 캡쳐하여 높은 정확도의 이미지 인식 성능을 달성한다.
아래 그림은 CNN의 End to End 구조이다. 여기서 볼 수 있는 CNN에는 특성 추출을 위한 컨볼루션 모듈 2개(컨볼루션 + ReLU + 풀링)와 분류용 Fully Connected Layer(완전 연결 레이어) 2개가 포함되어 있다. 다른 CNN에는 컨볼루셔널 모듈이 더 많거나 적을 수 있고, 완전히 연결된 레이어가 더 많거나 적을 수 있다. 엔지니어들은 모델에 가장 적합한 결과를 생성하는 구성을 알아내기 위해 실험하고 모델을 개발 하게 된다.
이미지 인식의 활용 사례
머신러닝 기반의 이미지 인식 기술은 다양한 분야에서 활용되고 있다:
- 의료: X-ray나 MRI 이미지 분석을 통한 질병 진단
- 보안: 얼굴 인식을 통한 잠금 해제 기능
- 자동차: 자율 주행 기술 장애물 인식
- 소매: 상품 이미지를 통한 자동 분류 및 재고 관리
- 이 외에도 다양한 분야에서 이미지 인식을 활용하여 획기적인 변화와 혁신을 가져오고 있다
