패스트캠퍼스 환급챌린지 49일차 : 딥러닝·인공지능 Signature 초격차 패지 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

 

강의 수강 시작

 

학습인증샷

 

학습 목록

 

강의 수강 완료

 

오늘은 전통적인 객체 탐지방법들에 대해 배웠다. 최근에는 딥러닝 기반의 인공지능 기법들이 주로 사용되지만, 그 이전에도 다양한 전통적 방식들이 존재했고, 여전히 특정한 상황에서는 유용하게 쓰일 수 있다는 점이 흥미로웠다.

슬라이딩 윈도우와 셀렉티브 서치처럼 이미지 전체를 반복적으로 훑으면서 물체가 있는지를 판단하는 방식은 비교적 직관적이었지만, 계산량이 많고 비효율적인 단점이 있다는 것도 알게 되었다. 특히 Viola-Jones 알고리즘은 얼굴 인식 분야에서 한동안 많이 사용되었던 방식인데, 간단한 Haar 특징과 통합 이미지를 이용해 빠르게 계산하고, Adaboost를 통해 중요한 특징만을 학습해 속도와 정확성을 모두 잡았다는 점에서 흥미로웠다. 알고리즘의 구성은 생각보다 체계적이었고, 오래된 기술임에도 불구하고 당시엔 꽤 혁신적이었겠다는 생각이 들었다.

허프 변환은 이미지에서 선이나 원 같은 단순한 기하학적 구조를 인식할 때 사용하는 기법으로, 자율주행에서 차선 인식 같은 곳에 쓰인다는 게 인상 깊었다. 형태가 제한적이긴 하지만, 구조가 명확한 패턴을 찾아내는 데는 여전히 강력하다는 점이 느껴졌다.

엣지 디텍션, 템플릿 매칭, 블롭 감지 같은 기술들도 각각의 역할이 뚜렷했다. 엣지 디텍션은 이미지에서 경계를 찾아주는 역할로, 물체의 형태나 위치를 파악하는 데 기초가 되고, 템플릿 매칭은 아주 직관적이지만 회전이나 스케일 변화에 약하다는 한계가 있다는 점이 기억에 남았다. 블롭 감지는 이미지에서 밝기 차이에 따라 특징적인 영역을 찾아내는 방식인데, 실제 적용 예시를 보면 훨씬 쉽게 이해될 것 같았다.

오늘 수업은 요즘 자주 쓰이는 인공지능 기반 방법들과는 다른 방식으로 문제를 해결하려는 고전적 접근들을 배울 수 있어서 색다른 경험이었다. 이런 기법들이 지금의 기술 발전에 밑바탕이 되었다는 점에서 의미가 있었고, 단순히 딥러닝만 보는 것이 아니라 컴퓨터 비전 전체의 흐름을 이해하는 데 도움이 되었다.