[Udemy] Artificial Intelligence (AI) - 2. Computer Vision

 

2. Computer Vision

1. Computer Vision이란 무엇인가?

• 컴퓨터가 "볼 수 있게" 만드는 기술 
• 사람은 눈으로 사물을 보고 순식간에 이해합니다:
  
  • 저건 고양이다
  • 저 사람은 웃고 있다
  • 신호등이 빨간색이다
• 하지만 컴퓨터에게 이미지는 그저 "숫자 배열"일 뿐입니다.
• Computer Vision의 목표: 숫자 배열에서 의미를 추출하는 것

2. 기술 발전 배경

• 초기 (1950~2000년대)
  
  • 바코드 스캐너: 가장 초기의 Computer Vision
    
    • 흑백 줄무늬 패턴 인식
    • 규칙이 명확해서 구현 쉬움
  • 얼굴 인식
    
    • "눈은 얼굴 상단에 2개", "코는 중앙에 1개" 같은 규칙으로 탐지
    • 조명, 각도 변화에 취약
• 현대 (2010년대~현재) 
  
  • Deep Learning의 등장으로 혁명적 발전
    
    • AlexNet (2012): ImageNet 대회에서 기존 방식을 압도
    • 이후 정확도가 사람 수준을 넘어섬 
  • 발전 요인
    
    • GPU 성능 향상: 병렬 연산으로 대량 이미지 빠르게 처리 
    • 대규모 데이터: 인터넷 이미지
    • CNN(Convolutional Neural Network): 이미지에 최적화된 신경망

3. 작동 원리 

1. Classical Computer Vision

• 핵심 아이디어: 사람이 규칙을 직접 정의
• 얼굴 인식 예시
  • 규칙:
    1. 피부색 영역 찾기
    2. 상단에 어두운 점 2개 (눈) 있는지 확인
    3. 중앙에 삼각형 모양 (코) 있는지 확인
    4. 하단에 가로선 (입) 있는지 확인
  • → 모두 만족하면 "얼굴"로 판정
• 장점
  
  • 빠른 처리 속도
  • 간단한 문제에 효과적
  • 설명 가능 (왜 그렇게 판단했는지 알 수 있음)
• 단점
  
  • 복잡한 문제해결 불가
  • 조명, 각도, 표정 변화에 취약
  • 규칙을 일일이 만들어야 함
• 언제 사용하나?
  
  • 간단하고 패턴이 명확한 경우
  • 실시간 처리가 중요한 경우
  • 예: QR 코드 스캔, 간단한 객체 탐지

2. Deep Learning 기반 Computer Vision

• 핵심 아이디어: AI가 스스로 패턴을 학습
• 얼굴 인식 예시
  • 학습 데이터: 수만 장의 얼굴 사진 (라벨: "얼굴")
                수만 장의 비얼굴 사진 (라벨: "얼굴 아님")
  • AI 학습 과정:
    1. 처음엔 무작위로 판단 (정확도 50%)
    2. 틀린 것을 바로잡으면서 패턴 학습
    3. "눈 주변은 이런 패턴", "코는 이런 모양" 등을 스스로 발견
    4. 수천 번 반복 후 정확도 99% 달성
  • → 사람이 규칙을 알려주지 않았는데도 스스로 학습
• 장점
  
  • 높은 정확도
  • 복잡한 패턴 인식 가능
  • 규칙을 일일이 만들 필요 없음
  • 다양한 환경(조명, 각도 등)에 강함
• 단점
  
  • 대량의 학습 데이터 필요
  • 학습에 시간과 컴퓨팅 자원 많이 소요됨 
  • "왜 그렇게 판단했는지" 설명하기 어려움 (Black Box)