전체 소개¶
이미지 분류의 역할¶
이미지 분류가 해결해야 하는 문제는 “무엇인지” 입니다.
즉 한 이미지의 유형, 부품 사이즈 & 규격, 정면&반면, 맞는 배치& 틀린 배치 방식입니다.
예:
타겟 물체는 아몬드,호두와 캐슈넛인 경우에 한 이미지를 입력하여 해당 이미지가 그중에 어떤 물체에 관한 이미지인지 판단하고 해당 레이블을 지정합니다.
주의
이미지 분류의 레이블은 이미지 전체에 대한 것입니다. 이미지에 여러 개의 물체가 있는 경우 각 물체를 분류하려면 이미지를 작은 그림으로 잘라야 합니다(각 작은 그림에는 물체 하나만 포함함) . 상황에 따라 인스턴스 세그멘테이션 또는 물체 검출을 사용할 수도 있습니다.
이미지 분류 업계 대표적인 응용 시나리오¶
프로젝트가 다양한 종류의 이미지를 분류하려면 이미지 분류 모델을 사용해서 실현할 수 있습니다. 일부 대표적인 응용 시나리오는 다음과 같습니다:
부품 텐딩&커팅 프로젝트에 부품의 종류, 방향 및 정/반면을 구분하기.
조립/구즈 피킹 프로젝트에 물체가 올바르게 배치되어 있는지를 판단하기 등.
이미지 분류의 응용 프로세스¶
이미지 분류는 딥러닝을 기반으로 하기 때문에 사용자들은 실제 응용 시나리오에 있는 물체의 이미지를 충분하게 많이 제공하고 타겟 물체의 레이블을 제공하면 이미지 분류 모델은 스스로 습득할 수 있습니다. 딥러닝 이미지 분류의 응용 프로세스는 다음과 같습니다:
훈련에 필요한 데이터를 수집하기:카메라로 각종의 물체 이미지를 많이 캡처합니다.
데이터 레이블링:맨 캡처된 이미지에 대응하는 유형 레이블을 지정합니다.
모델을 훈련시키기:이전 두 단계에서 처리된 데이터를 이미지 분류 모델로 입력합니다.
모델을 통해 예측하기:훈련된 모델은 프로젝트에 활용하고 기능을 충분히 발휘합니다.