안녕하세요. 엔지엠소프트웨어입니다. 이곳 저곳 커뮤니티에서 [ Darknet ]의 YOLO가 많이 언급되고 있습니다. 일단, 엔지엠은 HARR와 Tensorflow의 머신러닝을 지원하지만, Yolo에 대해서도 알아볼 필요가 있다고 생각되네요. 우선, YOLO(You Only Look Once)는 주류에서 벗어나있다보니 크게 관심을 두지는 않았습니다. 어느정도 제품도 정리가되고 안정화가 되어서 기술적인 부분들에 대해 시간을 투자할 수 있게 되었네요.

※ 이 글에서 테스트한 YOLO 테스트 프로젝트는 첨부 파일을 다운로드 받아서 확인할 수 있습니다.

테스트 1

 

 

간단한 테스트 프로그램을 만들어봤습니다. 다크넷에서 제공하는 기본 샘플이라서 원하는 실시간 디텍팅을 할수는 없지만, 기존 텐서플로우와 비교했을때 속도에서 우위에 있다고 볼 수 있습니다. 정적인 이미지보다는 동영상에서 이미지를 디텍팅할 때 속도가 좋다고 하는군요. 이 부분은 여러 밴치마킹 자료들이 있으므로 참고해보면 좋을듯 합니다. C 또는 Linux 환경에서 이 샘플을 실행하려면 Darknet이 필요합니다. 하지만, .NET에서 Nuget을 통해 간단하게 테스트 할 수 있습니다.

 

 

단 10줄의 코드로 오브젝트 검출이 가능합니다. 물론, 내가 원하는 곳에 사용하려면 환경 구성부터 험난한 길이 되겠지만요^^; 참고로, 다크넷과 욜로는 오픈소스로 모두 공개되어 있습니다. 아직 몇가지 이슈들이 남아 있어서 환경 설정하는데 문제가 좀 있긴하지만, 머신러닝과 비전 분석 분야에서 상당한 효과를 볼 수 있을것으로 기대하고 있습니다. 텐서플로우와 동일하게 학습을 시켜야하고 모델을 만들어서 사용합니다. 기본 골격은 그대로죠.

 

 

YOLO 사이트를 방문하면 다양한 데이타셋과 모델을 다운로드 받을 수 있습니다. 다크넷은 Joseph Redmon이 독자적으로 개발한 신경망 프레임워크의 명칭이며 DNN(Deep Neural Network)들을 학습시키고 실행할 수 있는 Framework를 제공합니다. YOLO는 학습된 신경망중 하나입니다. 현재는 YOLO 5까지 공개되어 있습니다. [ 공식사이트 ]를 보면 자세히 설명되어 있습니다.

사이트에서 제공하는 모델 및 데이타셋

 

 

불과 몇년전만 해도 IT의 최대 화두는 빅데이타와 하둡이었습니다. 많은 관심으로 인해 우후죽순 컨설팅 업체들이 생겨나고 사라지고 했죠. 하지만, 그리 오래가지는 못했습니다. 빅데이타와 분석쪽 업계에 있다보니 이런 컨설팅 업체와 미팅도하고 여러가지 알아보았지만 확실한 대책은 없더군요. 물론, 막연하게 요구사항을 내는 클라이언트도 문제입니다. 어느정도 분석할 수 있는 기반 데이타가 준비되어야 하고, 이를 토대로 컨설팅을 할 수 있는데 말이죠^^

 

요즘은 딥러닝이 많이 언급되고 있습니다. 머신러닝에서 딥러닝으로 넘어가는데 그리 오랜 시간이 걸리지도 않았죠. 하지만, 그 변화는 우리 실생활에 많은 변화를 가져다주고 있습니다. 앞으로 몇년후면 더 많은 변화와 실생활에서 쉽게 볼 수 있는 수준까지 도달하겠죠. 엔지엠에서 주력으로 밀고 있는 자동화 분야도 그동안 단순 업무만 처리하던것에서 벗어나 복잡한 업무를 처리하기 위해 딥러닝과 인공지능을 활발하게 도입하는 추세입니다.

 

 

대부분의 RPA(Robotic Process Automation) 업체들이 단순 업무를 자동화 할 수 있는 방향으로 나아가고 있습니다. 일부 업체는 발빠르게 딥러닝과 인공지능을 접목시키려는 시도를 하고 있습니다. 엔지엠도 일찍이 머신러닝을 도입했지만, 접근성 및 진입장벽이 높은편이라서 사용율은 저조한 편입니다. 이번에 YOLO를 분석/연구해서 진입장벽을 낮추고 사용자의 접근성을 개선한다면 더 많은 분야에서 활용되지 않을까하는 기대가 있습니다. 아직까지는 블랙박스와도 같은 분석 아키텍처보다는 입출력에 집중해왔던게 사실입니다. 이런 부분들로 인해 접근성 개선에 한계를 느끼고 있습니다. 단순히 제공되는 솔루션의 도입보다는 좀 더 구체적인 내부을 학습하여 개선해야 합니다. 

 

 

대기업의 제조 공정에서 불량을 검출하기 위해 비전을 도입하여 사용하고 있습니다. 복잡한 시스템을 구축하고 있지만, 완전 무인화된 시스템은 아직 존재하지 않는것으로 알고 있습니다. 이외에도 철강, 케이블, 의약품 분야에서도 수율을 높이기 위한 활동들을 지속적으로 연구하고 개선하려고 하고 있습니다. 물론, 반도체 분야도 동일합니다. 전체적인 플로우를 설명할수는 없으나 개선의 여지가 많고 더 좋은 퍼포먼스를 낼 수 있을거라 생각합니다. 아직 불모지와 같은 Office와 중소규모 업체의 경우는 가격적인면에서 경쟁력이 충분하다고 판단하고 있습니다. 실제로 업무에 적용하여 사용중인 분들의 피드백을 충분히 검토중이며 개선해나가고 있습니다.

 

 

앞으로 YOLO를 이용해서 이미지를 학습하고 실시간으로 디텍팅해서 분류할 수 있는 시스템까지 알아보도록 하겠습니다.

감사합니다.

추천0 비추천0