객체 검출 - 자동화 시스템의 시작
AI 기술 및 산업 분석기 #3
객체 검출 (Object Detection)
객체 검출 (Object Detection) 기술은 컴퓨터 비전 분야에서 이미지나 비디오의 특정 객체를 인식하고 위치를 찾아내는 기술입니다. 이미지 분류 (classification)가 이미지의 카테고리를 분류하는 기술이라면, 객체 검출은 이미지 하나에서 존재하는 n 개의 객체의 카테고리와 함께 위치 정보까지 찾아주는 기술이라고 보시면 좋을 것 같습니다. 즉 객체 검출은 이미지 분류 기술에 객체의 localization 기능을 더한 기술입니다.
조금 더 구체적으로 살펴보면 대부분의 객체 검출 알고리즘은 객체의 위치를 bounding box의 형태로 예측합니다. 위의 예시 사진을 보면 이미지 분류의 경우 고양이 사진을 고양이라고 분류하고, 객체 검출의 경우 이미지 속에 있는 고양이, 강아지, 오리의 위치까지 찾아내는 것을 볼 수 있습니다.
객체 검출은 컴퓨터 비전 분야에서 가장 활발히 연구되어온 분야 중 하나로 딥러닝 기술의 발전과 함께 크게 발전되어 왔습니다. 데이터의 특성과 풀어야 할 문제에 따라 다양한 접근 방식이 있지만 대표적인 딥러닝 모델로는 RCNN, Fast RCNN, Faster RCNN, YOLO 등이 있습니다.
이러한 객체 검출 기술은 여러 산업과 서비스에서 정말 많이 사용되고 있는데요. 대표적으로 자율주행 차량은 영상에서 차량, 보행자, 교통 표지판 등을 찾아내기 위해 객체 검출 기술을 사용합니다. 이외에도 객체 검출은 로보틱스, 보안시스템, 제조업, 이미지 검색 등 다양한 곳에서 활용될 만큼 수요가 많은 기술입니다.
이번 포스팅에서는 객체 검출 기술을 활용하고 있는 다양한 국내 기업들을 소개해 드리겠습니다.
# 서비스 별 기업 리스트
무인 상점 : 인터마인즈, 롯데정보통신(DT LAB)
자율주행 : 현대자동차, 스트라드비젼, 서울로보틱스, HL클레무브(만도)
제조/반도체 : 라온피플(AI 솔루션 기업), 가우스랩스(SK하이닉스), 삼성전자, LG전자
로보틱스 : 네이버랩스, 현대자동차
무인 상점
인터마인즈의 도어POP 시스템 (출처 : 인터마인즈 홈페이지)
세븐일레븐과 롯데정보통신의 미래형 편의점 'DT 랩 스토어'아마존의 무인매장 시스템 아마존고(Amazon Go)를 시작으로 무인매장 시스템을 개발하는 기업들이 많아졌습니다. 무인 매장 시스템의 최종 목표는 고객이 물건을 고르고 나가는 것만으로 자동으로 결제까지 되는 것입니다. 마트에서 장을 보고 결제하기 위해 긴 줄을 서봤던 분들이라면 정말 기대하지 않을 수 없습니다.
이러한 무인매장 시스템을 개발하기 위해서는 여러 기술이 복합적으로 필요하지만 가장 기본이 되는 것은 비전 시스템입니다. 카메라로 매장에 진열된 상품을 인식하고 고객이 상품을 들고 내려놓는 행위만으로 가상의 장바구니에 상품을 추가해야 하기 때문입니다. 이때 객체 검출 기술을 사용하게 됩니다. 물론 고객의 움직임을 감지하기 위해 포즈 추정 (Pose Estimation) 기술과 고객의 움직임을 따라가기 위해 객체 추적 (Object Tracking) 기술을 함께 사용해야 합니다.
인터마인즈라는 국내 기업은 AI스마트 캐비닛 냉장고 솔루션인 '도어POP'과 Vision AI 기반 무인 리테일 솔루션인 '스토어POP'을 개발했고, 롯데정보통신은 세븐일레븐과 협업하여 미래형 편의점 'DT LAB 스토어'이라는 무인 편의점을 공개했습니다.
사진 속의 DT LAB 스토어의 경우 총 26대의 3D 라이다 카메라를 통해 고객 동선을 파악한다고 하는데, 일반 점포들이 감당할 수 있는 비용으로 구축 가능한 시스템인지 궁금하긴 합니다.
- 인터마인즈 : https://www.intermindsai.com/
- DT LAB 스토어 기사(롯데정보통신) : https://biz.chosun.com/distribution/channel/2021/08/03/L77D5KLI6BHUXAMZAZ2WQ2UIJA/
자율주행
스트라드비젼의 검출 시스템자율주행은 객체 검출 기술이 활용되는 가장 대표적인 분야이기 때문에 많은 분들이 잘 알고 계실 것 같습니다. 자율주행 차량이 주행에 대한 판단을 내리기 위해 카메라로 차량, 사람, 차선, 교통 표지판 등을 검출합니다. 물론 자율주행의 경우 인간의 생명과 직결되기 때문에 일반적으로 2대 이상의 카메라와 라이다, 레이더 등 다른 센서들을 함께 사용하여 신뢰도를 높입니다. 또한 단순히 객체 위치를 파악하는 것을 넘어서 객체와의 거리나 노면의 상태 등 다양한 정보를 추출해야 하기 때문에 segmentation, depth estimation 등 여러 비전 기술을 함께 사용합니다.
완성차 제조업체인 현대자동차도 자율주행 시스템을 개발하고 있고 자율주행 솔루션을 주력으로 개발하는 스트라드비젼, 서울로보틱스, HL클레무브 같은 기업들도 있습니다. 이 분야의 경우 임베디드 시스템에 딥러닝 모델을 적용해야 하기 때문에 딥러닝 모델의 신뢰도는 유지하면서 적절히 경량화시키는 것이 중요한 도메인입니다.
- 스트라드비젼 홈페이지 : https://stradvision.com/sv/
제조업 불량 검출
제조업에서 불량품을 검출하는 작업은 굉장히 노동집약적이고 실수가 많을 수밖에 없는 작업입니다. 때문에 제조업에서는 예전부터 비전 검사를 많이 사용해 왔으며 최근에는 AI 비전 검사를 통해 예측하지 못한 불량까지 검출해냅니다. PCB(회로 기판), 완제품, 부품, 반도체 웨이퍼 등을 생산할 때 과정 중간에서 비전 검사를 통해 불량을 검출하고 불량을 줄이기 위한 데이터로 활용합니다. 이 과정에서 모니터링하는 인력을 줄일 수 있어서 기업에는 굉장히 이득이 큰 기술입니다. 하지만 정상 데이터는 많아도 비정상(불량) 데이터는 굉장히 적기 때문에 Anomaly detection 등의 추가적인 기술이 필요합니다.
제조 대기업들은 제조 분야에 AI를 적용시키기 위해 기술력을 내재화하고 있으며, 라온피플이라는 기업처럼 비전 검사 솔루션을 제공하는 솔루션 업체들도 있습니다. SK그룹에서는 반도체 공정에 AI 기술을 적용시키기 위해 가우스랩스라는 회사를 그룹 100% 투자로 설립하기도 했습니다.
- 라온피플 블로그 : https://m.blog.naver.com/PostList.naver?blogId=laonple
로보틱스
네이버랩스의 AMBIDEX
네이버랩스 AMBIDEX의 object grasping을 위한 객체 검출, 뎁스 추정로보틱스 분야는 자율주행과 비슷하지만 로봇은 팔과 다리를 가지고 여러 객체와 상호작용을 해야 하기 때문에 더욱 섬세한 시스템이 필요합니다. 로봇은 미래 기술의 집약체이고 그중에서 비전 시스템은 로봇의 눈이라고 볼 수 있습니다.
사람은 물건(객체)을 보고 손을 뻗어 잡을 수 있지만, 사실 이는 물건의 정확한 위치, 거리, 포즈를 알고 물건이 어느 정도의 무게 일지, 어떤 재질인지(미끄러운지 거친 지)를 대략적으로 알고 있기 때문에 가능한 일입니다. 로봇 또한 이러한 정보들을 가지고 있어야 객체를 집을 수 있는데 이를 'object grasping'이라고 하고 물건을 집어서 다른 위치에 가져다 두는 행위를 'pick and place'라고 합니다. Grasping 하기 위해서는 객체의 위치를 파악해야 하기 때문에 객체 검출 기술이 필요하고 거리를 파악하기 위해 거리 추정을 해야 합니다. 또한 객체의 포즈(객체의 회전 각도)를 추정하여 3D 바운딩 박스를 검출해야 비로소 로봇이 객체를 잡기 위해 손을 뻗을 수 있습니다. 로봇이 물건 하나를 집기 위해서도 이렇게 다양한 기술이 필요하다는 것이 흥미로운 분야인 것 같습니다.
- 네이버랩스 : https://www.naverlabs.com/
- 현대자동차 로보틱스 랩 : https://robotics.hyundai.com/
객체 검출은 정말 다양한 산업에서 사용되고 있어서 활용성이 상당히 큽니다. 하지만 객체 검출만으로는 완성도 있는 솔루션을 만들 수 없기 때문에 AI 개발자로 취업을 원하신다면 다양한 AI 기술과 엔지니어링 역량을 키우는 것이 중요할 것 같습니다.
