AI 객체 감지기

AI 객체 감지기는 사진을 훑어 알아볼 수 있는 모든 것 -- 사람, 자동차, 개, 노트북, 의자 -- 주위에 이름표가 붙은 박스를 그립니다. 내부에서는 일상적인 80종의 객체를 인식하도록 학습된 신경망이 실행됩니다. 감지마다 이름, 객체의 위치를 나타내는 바운딩 박스, 모델이 얼마나 확신하는지 0~100%로 알려 주는 신뢰도 점수의 세 가지 정보가 나옵니다.

감지는 '객체 감지'를 누르면 시작되고 분석 전체가 기기 안에서 이루어집니다 -- 모델 파일(약 18MB)은 처음 실행할 때 한 번 내려받습니다.

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 올려 보세요. 모델이 사람 92%, 자동차 88%, 신호등 71%를 내놓고 각각 색이 다른 박스로 감쌀 수 있습니다. 최소 신뢰도를 80%로 올려 다시 실행하면 신호등이 결과에서 사라지고 확실한 두 가지만 남습니다. 40%로 낮추면 희미하거나 일부 가려진 객체가 나타나기 시작하지만, 가끔 잘못된 추측도 섞입니다. 주석이 들어간 이미지를 다운로드하면 표시가 그대로 남고, JSON으로 내보내면 이름, 점수, 박스 좌표 원본을 얻습니다.

이 모델은 80종의 객체를 알기 때문에, 그 목록 밖의 것 -- 특정 개 품종, 브랜드 로고, 읽을 수 있는 글자 -- 은 라벨이 붙지 않습니다. 겹쳐 있거나 매우 작은 객체가 가장 어려운 경우이며 흔히 기준값 아래로 빠집니다. 신뢰도 슬라이더가 주된 조절 수단입니다. 값을 높이면 재현율을 희생해 정밀도를 얻고, 낮추면 그 반대입니다. 사진에서 아무것도 나오지 않으면 기준값을 낮추는 것이 대개 모델이 봤지만 확신하지 못한 객체를 드러냅니다.