브레니(Brenny) (주)아이디맥스

사람과 같이 문제 해결을 위해 학습하는 나는 브레니(Brenny)라고 해요. 사물도 인식하고 무언가를 분류해보고 묶어보고 신경망을 가동시켜 특징을 추출하죠. 기계가 학습을 하다니... 내가 궁금하지 않나요?

딥러닝랩이 만드는 가치

1. 딥러닝은 머신비전을 혁신을 하는 것입니다.

기존에 다루기 어려웟던 영상, 텍스트, 음성과 같은 비정형 데이터에서도 높은 수준의 인식 성능을 보여주고 있습니다.

등장 초기에는 과도한 컴퓨팅 자원을 요구한다는 점으 지적 받던 딥러닝이지만, 최근에는 경량화하고 최적화된 알고리즘의

등장으로 충분히 산업에도 도입될 수 있을 수준으로 현실성 있는 기술이 되었습니다.

2. 딥러닝 도입에 장애물이 되었던 문제들을 고객 대신 해결해주는 것입니다.

앞서 매력적이라 언급한 딥러닝 기술은 고객이 새로 도입하기에는 큰 비용과 높은 불확실성을 가지고 있습니다. 기존의

인력을 교육하고, 새로운 연구 인력을 투입하고, 데이터 수집 및 실험과 검증까지 엄청난 비용이 소요됩니다.

머신비전이란?

카메라를 통해 획득한 영상으로부터 정보를 얻고 이를 활용해 산업 과정을 자동화하는 기술이고, 산업현장에서 사람의

눈과 두뇌가 하는 일을 대체하는 기술입니다. 산업을 가속화하고 소인화하기 위해 꼭 필요한 기술입니다. 그러기 위해서는

영상에서 원하는 사물을 찾고, 인식하고, 분류하는 알고리즘이 필요합니다. 하지만 수많은 픽셀과 복잡한 색상 값으로

표현된 영상 데이터에는 규칙기반 알고리즘을 적용하기가 쉽지 않습니다.

그렇기에 최대한 제어된 환경에서 영상을 촬영하고, 환경에 맞는 특징 추출 알고리즘을 사람이 설계하곤 합니다. 이를

극복하기 위해 다양한 특징 추출 알고리즘이 등장했지만, 대부분의 현장에서는 여전히 알고리즘을 조금씩 수정하고

실험하는 과정을 반복하고 있습니다.

딥러닝의 등장

딥러닝은 등장과 동시에 다양한 분야에서 새로운 가능성을 제시합니다. 그중 컴퓨터 비전 분야에서 단연 돋보이는 혁신을

보여주었습니다. 가장 큰 이유는 크고 복잡한 영상 데이터에서 필요한 특징을 추출하고, 이를 통해 고차원의 패턴을

학습하는 과정이 사람의 손을 거치지 않고 이루어진다는 이유 때문이다.

딥러닝 도입

- 데이터 수집/관리 :  딥러닝 모델의 성능을 높은 수준으로 이끌어내려면 많은 데이터가 필요합니다. 하지만 많은 데이터를

수집하고 전처리하는 작업은 그 수가 많아질수록 난이도가 기하급수적으로 증가합니다.

- 데이터 레이블링 : 수집된 데이터는 도메인 지식을 가진 인력을 동원해 정확히 레이블링되어야 합니다. 데이터가 많아지고

복잡할 수록 레이블링하고 괸리하는 일 자체는 엄청난 인력을 요구하고, 경우에 따라서는 전용 툴의 개발이 불가피 해집니다.

- 모델 설계와 실험 : 전문 인력을 통해 딥런이 실험을 수행할 수 있도록 환경을 구축하고, 방법론에 대한 연구와 실험을

반복해야 합니다.

- 모델 비교와 분석 : 학습한 모델들을 관리하고 성능을 비교하거나, 모델의 성능 향상을 위해 추가적인 분석을 할 때에도

관련 지식을 가진 전문 인력이 필요합니다.

- 제품의 적용 : 기존 머신비전 시스템에 새로운 딥러닝을 도입할 수 있도록 환경으 구축해야 하며, 사용하는 환경에 맞게

소프트웨어적인 최적화가 필요합니다. 이 과정에서 기존 엔지니어들도 딥러닝에 대한 이해를 해야한다는 추가적인 비용이

발생합니다.

출처 : 코그넥스

COGNEX 제품 적용 솔루션 참조 : www.xvision.co.kr 
머신비전 관련 문의처 ☞ (주)아이디맥스 02-838-1170

자동인식전문기업 IDMAX : www.idmax.co.kr 기술영업문의 : sales@idmax.co.kr