일상 속에서 활용되는 이미지 분류 기술
Image Classification (이미지 분류) 기술은 AI를 이용한 대표적인 기술입니다. 2012년 이미지 인식 경진 대회에서 딥러닝 모델이 최초로 우승을 차지하고, 2016년에는 무려 96%의 정확도를 달성하며 이미지 분류 딥러닝 기술은 점점 많은 관심을 받기 시작했습니다. 이러한 이미지 분류 기술은 무엇이며 현재 우리 산업에서 어떻게 활용되고 있는지 소개해 드리겠습니다.
이미지 분류 (Image Classification)
이미지 분류는 이미지를 정해진 카테고리에 따라 AI가 분류해 주는 기술입니다. 가장 쉬운 예로 개와 고양이를 분류하는 예제가 있습니다. 이미지 분류 기술은 이미지 관련 AI 기술에서 가장 기초가 되는 분야입니다. 이미지를 잘 분류하는 딥러닝 모델은 이미지 속 객체를 feature로 표현하는 능력이 좋아야 하는데, object detection, segmentation, tracking, generative model 등 다양한 기술에서 딥러닝 모델이 이미지를 feature로 잘 표현하는 것이 굉장히 중요한 일이기 때문입니다.
이러한 이미지 분류 기술은 이미 몇 년 전에 클래스 1000개 이상을 분류하는 AI 모델의 정확도가 90%가 넘는 수준을 달성했습니다. 또한 ‘Fine-Grained Image Classification’이라는 시각적으로 아주 유사하지만 조금씩 다른 클래스를 분류하는 수준까지 발전했습니다. 정말 다 비슷해 보이는 연식만 다른 자동차를 분류하거나 비슷하게 생긴 새를 종별로 분류하는 작업인데 이미 수준 높은 정확도를 보여줍니다. 이처럼 이미지 분류는 이미 오랜 기간 연구가 진행되어 상당히 발전되어 있는 기술입니다.
물론 Object Detection이나 Segmentation이라는 이미지 안에 어떤 객체에 어디에 위치해 있는지까지 판별해 주는 기술이 존재합니다. 하지만 객체의 위치까지 찾아주는 딥러닝 모델을 만들기 위해서는 객체의 위치 정보가 존재하는 학습 데이터를 준비해야 하고, 이는 굉장히 시간이 많이 소요되는 작업입니다. 그에 비해 이미지 분류 모델은 해당 이미지가 어떤 카테고리에 속하는지에 대한 정보만 있으면 학습시킬 수 있기 때문에 굉장히 간편합니다.
그렇다면 이러한 이미지 분류 기술은 어떤 산업에서 활용될까요?
- 중고거래
이미지 분류는 당근 마켓에서 유저들이 올리는 중고 물품의 카테고리를 자동으로 지정해 주는 서비스에 활용되고 있습니다. 유저들이 직접 상품의 카테고리를 힘들게 고르지 않아도 사진만 올리면 자동으로 이미지를 분류하여 카테고리를 추천해 주는 것이죠. 또는 이미지만으로 유사한 상품을 검색해 주기도 합니다. 이는 유저들이 동일하거나 유사한 상품을 각각 다른 제목으로 올려두더라도 이미지 간의 유사도를 측정하여 비슷한 상품을 검색할 수 있게 도와줍니다.
조금 더 생각해 보면 기업 내부적으로는 유저들로부터 유입되는 이미지 데이터를 분석해서 비즈니스 전략을 세우는 곳에도 사용할 수 있을 것입니다. 계절, 스포츠 행사, 유행 등에 따라 이슈가 되는 상품을 분석하기 위해 텍스트뿐만 아니라 이미지 자체를 분류해서 유저들의 움직임을 파악해 볼 수 있는 것이죠.
실제로 저도 당근 마켓에서 중고 상품을 올릴 때 자동으로 카테고리를 추천해 주는 것이 상당히 편하다고 느꼈습니다. 그리고 제가 찾는 물건과 유사한 물건들을 함께 찾을 수 있다는 것도 큰 장점이죠.
- 패션
패션 AI 솔루션 기업인 옴니어스는 이미지 분류, 객체 인식 기술을 활용하여 의류 제품을 분류하거나 고객이 보유한 사진에서 보이는 상품과 유사한 상품을 찾아주는 기능을 제공합니다. 카카오스타일(지그재그), 에이블리, LF 몰 등의 국내 이커머스 기업에서 옴니어스의 솔루션을 사용하고 있습니다.
이처럼 사내에 AI 개발팀이 따로 있지 않는 경우에 기술력(모델링 + 데이터)을 선점한 AI 솔루션 업체의 솔루션을 사용하는 경우도 많습니다. 물론 솔루션을 구매하고 사용하는 비용이 발생하겠지만, AI 모델 개발을 위해 시간과 돈을 투자하는 것보다 더 이득이라고 판단했을 것입니다.
- 유해 콘텐츠 필터링
이미지 분류 기술은 클린한 플랫폼 제공을 위해 유해 이미지를 필터링하는 곳에도 활용됩니다. 카카오, 라인, 네이버 등 유저들이 직접 사진을 업로드하거나 주고받을 수 있는 플랫폼에서는 모두 활용하고 있는 시스템입니다. 하지만, 앞선 활용처들과는 달리 학습을 위한 데이터를 구하기 힘들고 어디부터 어디까지가 유해 콘텐츠인지 판단하기 쉽지 않기 때문에 생각보다 어려운 프로젝트일 것이라는 생각이 듭니다.
- 카셰어링 (쏘카)
카셰어링 기업인 쏘카에서도 이미지 분류 기술을 적극 활용하고 있습니다. 카셰어링의 경우 유저 1명이 차를 사용한 후 매번 차를 직접 검수하기 힘들기 때문에 유저가 공유 차량 사용 전후로 차량의 사진을 찍어서 업로드하고, 이를 기반으로 차량을 검수합니다. 이때 노동집약적인 모니터링 업무를 줄이기 위해 이미지 분류 기술을 사용하여 오염된 차량, 파손된 차량, 수리가 필요한 차량 등을 분류해 냅니다. 간단해 보일 수 있지만 새로운 차량이 계속해서 생겨나고, 유저가 차량을 직접 야외에서 촬영해서 업로드한다는 점 등이 기술적 어려움을 만들 것이라는 생각이 듭니다.
카셰어링뿐만 아니라 셰어링 관련 산업에서는 이미지 분류나 객체 검출 기술 등을 통해 사용 완료된 상품이나 장소 등을 자동으로 검수하는 데에 사용한다면 효율적인 관리가 되지 않을까 싶습니다. 물론 분류 기술의 정확도가 좋아야겠지만요!
글램핑이나 펜션 사업장에서 퇴실 시 사용한 장소의 사진을 찍어 업로드하면 청결도를 분류해서 사용자에게 소정의 리워드를 주는 시스템이 있다면 재밌을 거라는 생각이 드네요!?
설명드린 내용 이외에도 이미지 분류가 활용되는 많은 서비스들이 있습니다. 또한 AI 기술은 고객에게 직접 서비스되는 기술에만 활용되는 것이 아니라 기존 산업에서 노동집약적인 일들을 대체하기 위해 우리가 모르는 곳에서 이미 많이 활용되고 있습니다.
이미지 분류 기술은 간단하지만 효과적이기에 앞으로도 산업 전반적인 곳에서 많이 사용될 수 있습니다. 또한 이미지 분류는 object detection, segmentation, tracking 등 여러 기술의 베이스가 되기 때문에 서비스 기업이든 솔루션을 제공하는 기업이든 이미지 도메인에서 AI 기술력을 쌓기 위해서는 꼭 한 번은 거쳐야 하는 기술입니다. 간단해 보이는 기술이라 쉽게 생각할 수도 있고 실제로 어느 정도의 성능을 내는 모델을 쉽게 만들 수 있습니다. 하지만 서비스나 제품에 적용할 만큼의 성능을 달성하기 위해서는 모델과 데이터 관점에서 많은 고민이 필요하고 때에 따라 적절한 전후처리 기술을 함께 사용해야 하는 경우도 있다는 것을 알아두시면 좋을 것 같습니다.
 | ||
이야기와 글쓰기를 좋아하는 컴퓨터비전 엔지니어 콤파스입니다. |
슈퍼브 블로그의 외부 기고 콘텐츠는 외부 전문가가 작성한 글로 운영 가이드라인에 따라 작성됩니다. 슈퍼브 블로그에서는 독자분들이 AI에 대한 소식을 더 쉽고 간편하게 이해하실 수 있도록 유용한 팁과 정보를 제공하고 있습니다.