AI 객체 감지기

AI 객체 탐지기는 사진을 훑어 인식한 모든 대상(사람, 자동차, 개, 노트북, 의자 등) 주위에 라벨이 붙은 상자를 그립니다. 내부에서는 TensorFlow.js 위에서 COCO-SSD 모델이 동작하는데, 이는 COCO 데이터셋으로 학습되어 일상적인 80개 객체 클래스를 인식하는 신경망입니다. 각 탐지 결과에서는 세 가지 정보를 얻습니다. 클래스 이름, 객체의 위치를 표시하는 바운딩 박스, 그리고 모델이 얼마나 확신하는지 알려주는 0~100%의 신뢰도 점수입니다.

탐지는 이미지가 로드되는 순간 시작되며 분석은 전부 기기 내에서 이루어집니다. 모델 파일(약 10MB)은 처음 한 번만 내려받고 이후 방문을 위해 캐시에 보관됩니다.

사진 폴더에 자동으로 태그를 달거나, 직접 모델을 학습시키기 전에 데이터셋에 실제로 무엇이 들어 있는지 점검하거나, 한 장면에 사람이나 차량이 몇 개나 등장하는지 세는 데 유용합니다. 이미지의 간단한 텍스트 설명을 만들어 내는 접근성 작업에도 좋고, Python 환경을 꾸리지 않고 컴퓨터 비전 아이디어를 시제품으로 만들어 보려는 사람에게도 도움이 됩니다.

좌표가 담긴 구조화된 JSON으로 내보낼 수 있어 더 큰 파이프라인에도 맞물립니다. 탐지를 실행한 뒤 얻은 상자들을 잘라내기·블러·주석 스크립트에 넘기는 식입니다.

거리 사진을 넣어 보세요. 모델은 사람을 92%, 자동차를 88%, 신호등을 71%처럼 각각 색이 다른 상자에 담아 반환할 수 있습니다. 최소 신뢰도를 80%로 올리면 신호등은 결과에서 사라지고 확신도가 높은 두 개의 탐지만 남습니다. 40%로 내리면 흐릿하거나 부분적으로 가려진 물체가 나타나기 시작하는데, 이따금 틀린 추정도 섞입니다. 주석이 그려진 이미지를 내려받아 겹쳐진 표시를 보존하거나, JSON으로 내보내 클래스 이름·점수·상자 좌표를 원본 데이터로 받을 수 있습니다.

COCO-SSD가 아는 것은 80개 클래스이므로 그 목록을 벗어난 것(특정 견종, 브랜드 로고, 글자 등)은 라벨이 붙지 않습니다. 서로 겹치거나 아주 작은 물체는 가장 까다로운 경우로, 임계값 아래로 떨어지기 쉽습니다. 신뢰도 슬라이더가 주된 조절 수단으로, 값을 높이면 재현율을 희생해 정밀도를 얻고 낮추면 그 반대가 됩니다. 사진에서 아무것도 반환되지 않으면 임계값을 낮추는 것만으로, 모델이 보긴 했지만 확신하지 못했던 물체가 드러나는 경우가 많습니다.