이미지/영상 처리 인공지능 기술 활용의 현황과 전망

1. 이미지/영상 처리 인공지능 기술

이미지/영상 처리 인공지능 기술의 기본 개념
 

● 이미지/영상 처리 인공지능 기술은 합성곱 신경망(Convolutional Neural Network, CNN)과 같은 인공지능 알고리즘을

    활용하여 이미지나 비디오의 특징을 추출하고 패턴을 인식하고 분석하는 기술임
 

● 최근 생성적 적대 신경망(Generative Adversarial Networks, GAN)이나 VAE(Variational Autoencoders)와 같은

    인공지능 알고리즘을 이용하여 이미지나 비디오를 생성하는 기술이 등장함
 

● 객체 탐지, 얼굴 인식, 이미지 분류, 포즈 추정, 이미지 생성 등 다양한 작업을 수행할 수 있으며 의료, 자율주행, 제조 등

    다양한 산업과 응용 분야에 활용됨
 

● 이미지/영상을 이용한 인식·분석 처리 인공지능 프로세스
 

- (데이터 수집) 고해상도 카메라, 적외선 센서, 깊이 카메라(Depth Camera) 등 다양한 장비를 통해 이미지/영상을 획득하고

  디지털 데이터로 변환하는 과정을 의미함. 이 과정에서는 이미지 정규화(크기 조정, 밝기 조절 등)나 노이즈 제거를 위한

  가우시안 필터링, 히스토그램 평활화(Histogram Equalization) 등의 전처리 기법을 사용하여 데이터 분석에 적합한 형태로

  데이터를 가공함
 

- (특징 추출) 수집 및 가공된 이미지/영상 데이터에 내재된 의미 있는 정보를 추출하기 위한 단계로 엣지 검출을 위해 Sobel이나           Cannay 알고리즘, 코너 검출을 위해 HDC(Harris Corner Detection) 알고리즘, 특징점 추출을 위해

   SIFT(Scale-Invariant Feature Transform), SURF(Speeded Up Robust Features) 등의 알고리즘이 사용됨.

  또한 LBP(Local Binary Patterns)나 GLCM(Gray Level Co-occurrence Matrix)을 이용한 텍스처 분석 등 다양한 기법을

  활용하여 각 데이터의 고유한 특징을 추출함
 

- (패턴 인식 및 분류) 추출된 특징을 이용해 객체 인식 및 분류를 하는 과정으로 전통적인 SVM(Support Vector Machine),

   랜덤 포레스트(Random Forest) 등의 머신러닝 기법부터 CNN(Convolutional Neural Networks),

   R-CNN(Region-based CNN), YOLO(You Only Look Once) 등의 딥러닝 기법까지 다양한 알고리즘을 목적에 맞게 선택 및

  적용하여 이미지 내 객체의 종류, 위치, 자세 등을 식별함
 

---------------------------------------------------------------------------------------------------------------------------------------------------------