AI Master
교육개요
이상 탐지 분야는 산업 현장에서 매우 중요한 역할을 합니다. 우리의 과정은 이미지 분석에서부터 실시간 안전 모니터링에 이르기까지, 여러분이 직면할 수 있는 다양한 문제들에 대한 해결책을 제공합니다. 사람, 안전모, 안전조끼를 인식하고 분류하는 고급 기술을 배우며, 실제 산업 환경에 적합한 솔루션 개발을 위한 실습 위주의 커리큘럼을 진행하게 됩니다. 또한, 다양한 환경에서 안정적인 모델 성능을 유지하는 방법과, 저화질 상황에서도 효과적으로 작동하는 모델을 개발하는 고도화된 방법에 대해서도 배울 수 있습니다. 여러분의 기술을 통해 현장의 안전을 한층 강화시킬 수 있는 이 과정에 참여하여, 전문성을 더하고 새로운 기회의 문을 열어보세요.
교육목표
이상 탐지 프로젝트를 통해 안전 장비 인식 및 처리 능력을 개발하고, 실제 산업 현장에서 바로 적용 가능한 고도화된 분석 기술을 습득하실 수 있습니다.
강의내용
[Chapter1. 문제 정의]
· 학습 목표
문제 인식 및 성능 지표 설정을 습득합니다.
· 주요 내용
1. 해결 문제와 검출 목표의 정의
2. 성능 지표의 정의
[Chapter2. EDA와 전처리]
· 학습 목표
데이터 전처리 및 품질 관리 능력을 향상합니다.
· 주요 내용
1. 이미지 해상도 및 퀄리티 확인
2. 부적절 이미지에 대한 처리
3. 레이블 분포 확인과 소수 레이블에 대한 처리
[Chapter3. 객체 검출]
· 학습 목표
객체 인식 및 분류 모델 개발 능력을 배양합니다.
· 주요 내용
1. 사람, 안전모, 안전조끼에 대한 객체 검출
2. 각 객체에 대하여 사각형의 박스 형태로 위치를 찾고 객체를 분류
3. 검출된 객체는 해당 이미지에 서로 다른 색의 박스 형태로 표현하여 결과 저장
4. 이를 위해 훈련/검증/평가 데이터로 구별하여 모델 개발
5. 파라메터 튜닝 및 검증 절차의 정당성 확보
6. mAP/IOU 등을 활용하여 평가 지표 정의
7. YOLO, EfficientNet 등의 SOTA 모델의 활용
8. 최소 3개 이상의 모델을 사용하여 비교 평가
[Chapter4. 안전장비 착용 여부 판단]
· 학습 목표
안전장비 착용 검출 기법을 습득합니다.
· 주요 내용
1. 객체 검출 결과를 바탕으로 안전장비 착용 여부 판단
2. 안전장비 착용은 검출된 각 사람별로 판단
3. 이미지 내에 모든 사람이 안전모와 안전조끼를 착용해야하고, 그렇지 않으면 안전 규칙 위반으로 판단
4. 이를 위해 훈련/검증/평가 데이터로 구별하여 모델 개발
5. 파라메터 튜닝 및 검증 절차의 정당성 확보
6. 모델의 성능에 대한 평가 지표 정의
7. 기계학습, 규칙기반, 알고리즘 등의 다양한 기법 활용
8. 최소 3개 이상의 모델을 사용하여 비교 평가
[Chapter5. 성능 안정화]
· 학습 목표
모델 성능 최적화 및 안정화 방법을 학습합니다.
· 주요 내용
1. 다양한 환경에서의 성능 평가와 취약점 분석
2. 취약점 보완을 위한 기존 데이터에 대한 추가 레이블링 및 신규 데이터 확보
3. 보완 데이터를 이용하여 기존 모델의 개선과 개선된 성능에 대한 평가
4. 최소한 3가지 이상의 다른 방식으로 성능 개선을 시도하여 비교 평가
[Chapter6. 최종 평가]
· 학습 목표
모델 평가 및 적용 능력 강화
· 주요 내용
1. 안전감지율 정의
2. 최종 모델에 대한 성능 평가
3. 이미지 처리 속도 계산 및 실시간 적용 방안 제시
[고도화 Chapter1. 저화질 영상처리]
· 학습 목표
저화질 환경 적응 모델을 개발합니다.
· 주요 내용
1. 저화질 영상에 대하여 사람, 안전모, 안전조끼를 검출할 수 있는 모델 개발과 Chapter3와 유사한 방식으로 평가
2. 저화질 영상에서 안전장비 착용 여부를 판단할 수 있는 모델을 개발하고 Chapter4와 유사한 방식으로 평가
3. 저화질 영상 평가를 위해서는 주어진 저화질 데이터를 사용하여 평가
4. 필요한 경우 새로운 데이터의 수집과 레이블링을 활용
[고도화 Chapter2. 객체 검출]
· 학습 목표
경량화 모델을 이용한 효율적 객체 검출을 배웁니다.
· 주요 내용
1. Chapter5의 최종 모델보다 적은 수의 파라메터로 객체 검출과 안전장비 착용 여부 판단에서 비슷한 성능을 도출하는 경량화 모델의 개발
2. Chapter5와 유사한 방식으로 성능 평가
경량화 SOTA 모델의 활용
3. 최소 3가지 이상의 방식을 비교하여 평가
4. 경량화 지표 정의 및 성능과의 트레이드 오프 분석