X-GEN (19) 썸네일형 리스트형 주행 테스트부터 시뮬레이션까지, 합성 데이터로 확대되는 무인 배송 로봇 사람 없이도 제어 가능한 자율주행차를 넘어,물류/배송의 자동화, 무인 배송 로봇 시대가 왔다! '무인 배송 로봇'은 점차 발전하는 기술 혁신 중에서도 현대에서 주목받고 있는 기술 중 하나인데요! 인공지능(AI), 사물인터넷(IoT), 자율 주행 등의 최첨단 기술을 결합한 무인 배송 로봇은 물류 및 배송 시스템의 효율성을 높이기 위해 사용 범위가 확대되고 있어요. 특히 비대면 서비스의 수요가 증가함에 따라, 무인 배송 로봇은 많은 작업장에 인건비를 감축하고, 24시간 운영까지 다양한 이점을 주고 있어요. 이렇게 무인 배송 로봇이 24시간 동안 정확한 경로를 통해 배송을 마칠 수 있는 이유가 무엇일까요? 바로 다양한 환경과 상황에 최적화된 데이터 학습 덕분이죠 :) 무인 배송 로봇과 AI 학습 데이터와의.. 객체 탐지의 새로운 패러다임 코코 데이터 셋 COCO Dataset과 XGEN 🟠 COCO Dataset 이란?COCO(Common Objects in Context) 데이터셋은 컴퓨터 비전 연구에서 객체 탐지, 이미지 인식, 세그멘테이션, 캡셔닝 등 다양한 작업을 위해 설계된 대표적인 데이터셋이에요. COCO 데이터셋은 다양한 컨텍스트 정보화 함께 91개의 객체 카테고리와 20만 개 이상의 이미지가 포함하고 있어요. 특히 다양한 객체가 복잡한 환경에서 서로 상호작용하는 모습이 반영된 것이 특징 중 하나인데요. 이 데이터셋은 자동차, 사람, 동물, 가전제품 등 실제 환경에서 객체들이 어떻게 배치되고 작동하는지를 학습하기 위한 매우 중요한 자원으로 활용됩니다. 객체의 위치, 크기, 각도와 같은 정보도 함께 제공되고 있어요. ✅ COCO 데이터셋의 구성 요소 ✔️ 330,000장의 .. 3D 환경 모델링에서 AI 성능을 극대화하는 Point Cloud 데이터 이미지 출처: OxTS지난주 소개해 드린 3D Point Cloud 기억하시나요? 3차원 공간상에 퍼져 있는 여러 포인트들의 집합을 말하는 포인트 클라우드는 각 X, Y, Z의 각 좌표점으로 물체의 모양과 구조를 정의하고 있어요. 포인트 클라우드는 수천 개의 점을 포함하고 있기 때문에, 이 대량의 정보를 효율적으로 처리하고 분석하는 것은 다소 어렵게 느껴지기도 하는데요. 특히, 합성 데이터가 많이 쓰이는 자율주행 차나 로봇 공학 분야에서는 실시간 처리가 요구되기 때문에, 데이터의 처리 속도와 정확성이 매주 중요하답니다! 그렇기 때문에 이번 시간에는 포인트 클라우드 데이터를 어떻게 효율적으로 처리할 수 있는지, 그리고 XGEN을 통해 3D 환경에서 어떤 도움을 줄 수 있는지에 대해서 소개해 드리겠습니다 :.. 객체 탐지 분야와 AI 성능 평가에 표준화된 Pascal VOC 모델 포맷 Pascal VOC란 무엇인가? Pascal VOC(Vision Object Challenge)는 컴퓨터 비전 연구와 객체 인식을 위한 대표적인 모델이에요. 이 데이터 셋은 이미지 분류, 객체 감지, 세그멘테이션 등을 포함한 다양한 컴퓨터 비전 작업을 위해 설계되었으며, AI 모델의 성능 평가에 널리 사용되는데요! 씨이랩의 XGEN 솔루션에서도 Pascal VOC 포맷을 지원하여 AI 모델 학습에 필요한 데이터 셋을 효율적으로 생성하고 관리할 수 있도록 도와주고 있어요. 아래의 내용에서 Pascal VOC의 특징에 대해 조금 더 자세히 설명해 드릴게요. Pascal VOC 데이터셋의 구조와 중요성🟨 Pascal VOC의 기본 구성 요소Pascal VOC 데이터셋은 이미지와 그 이미지에 포함된 객체의 라.. 3차원 공간 해석이 가능한 3D Point Cloud 데이터와 AI 학습 현재, 인공지능 AI 모델 개발에 시각적인 정보를 해석하여 직관적인 이해와 분석이 가능한 컴퓨터 비전 분야가 크게 성행하고 있어요. 이전 콘텐츠에서 소개해 준 내용처럼 이미지를 분류하는 Classification 객체를 검출하는 Object Detection, 객체 영역을 찾는 Sementic Segmentation 등 이미지 데이터를 해석하고 이로부터 유용한 정보를 추출하는 기술이 활약하고 있어요. 그렇다면, 이 해석하고자 하는 정보가 3차원으로 확장되면 어떻게 될까요? 이미지 데이터는 2차원이기 때문에 3차원 공간 정보를 얻기 어려운데요. 인공지능이 3차원 정보를 해석하기 위해서는 시각적으로 표현 가능하면서도 3차원 공간 정보를 담고 있는 데이터가 필요하다고 해요. 이번 시간에는 3D 공간 정보를 시.. 딥러닝 이미지 분석 프로세스 Semantic Segmentation의 모든 것 오늘날 인공지능(AI)과 머신러닝(ML)의 등장으로 풍경, 사람 이미지, 의료 이미지 등 많은 산업 내 디지털 이미지에서는 중요한 맥락을 인식하도록 컴퓨터를 훈련하는 것이 중요해졌어요! 이때 이 중요 부분을 담당할 수 있는 것이 Sementic Segmentation인데요:) 의미론적 세분화 모델이라고도 불리는 Sementic Segmentation은 인간의 뇌와 유사하게 시각 정보를 해석하고, 식별할 수 있어 딥러닝 알고리즘 성능을 올리는 데에도 높이 기여하고 있어요. 오늘은 다양한 분야에서 혁신을 이끌고 있는 이 기술의 원리, 응용 사례, 그리고 최신 연구 동향을 살펴보며, 씨이랩의 합성 데이터 솔루션과 결합 시 어떤 시너지를 낼 수 있는지 알아보까요? | Semantic Segmentation 이란.. Object Detection에서 2D & 3D 바운딩 박스의 역할 지난 시간 객체 탐지 분야의 필수적 프레임인 앵커 박스(Anchor Box)와 바운딩 박스(Bounding Box)에 대해 알아보며, 두 프레임이 물체를 어떻게 인식하고 각자 어떤 역할을 하는지에 대해서 알아보는 시간을 가졌어요. 결론적으로는 여러 앵커 박스 중 최적의 영역을 파악해 그것을 바운딩 박스로 변환하는 과정임을 살펴볼 수 있었어요. 이때 바운딩 박스는 2D 및 3D 공간에서 객체 위치와 크기를 정의할 수 있는데요. 오늘은 다양한 영역에서 객체 검출을 진행하는 바운딩 박스에 대해 조금 더 자세히 들여보는 시간을 가져볼게요! 🤫들어가기 전, 2D와 3D 객체 검출은 무엇인가요? 🟦 2D 객체 검출2D 객체 검출은 일반적으로 사진이나 비디오 프레임과 같은 평면 이미지에서 수행돼요. 따라서 평면 .. 앵커 박스(Anchor Box)와 바운딩 박스(Bounding Box)의 차이점으로 보는 객체 탐지 분야 이미지 객체 검출에서의 핵심은 객체를 완벽히 인지하고 탐지하는 것이죠! 그러기 위해서 목적에 맞는 다양한 카메라 및 센서 탑재를 통해 여러 환경에서도 다양한 물체를 인지하는 것이 중요합니다. 이때 다양한 2D 및 3D 환경에서 📸완벽하게 캡처! 하듯 이미지를 인식할 수 있는 프레임은 무엇일까요? 객체 감지 모델에서 다양한 크기와 비율을 탐색하고, 정확한 위치를 예측할 수 있는 '앵커 박스'와 '바운딩박스'에 대해 소개하는 시간을 가져보겠습니다 :) 들어가기 전에, Object Detection 객체 탐지에서 박스의 역할은 무엇인가요?1️⃣위치 표시: 박스는 이미지 내의 객체가 위치한 좌표를 표시해요. 모델이 특정 객체가 어떤 위치에 있는지 이해하도록 도와줘요. 2️⃣크기 및 비율 제공 및 탐지: 박스.. 이전 1 2 3 다음
