객체 인식Object Detection
사진 속 물건마다 찾아 네모를 치는 일
- 객체 인식은 사진 한 장에서 물건을 여러 개 찾아내고, 각각에 네모와 이름표를 붙이는 일이에요.
- 답 하나에는 네 가지가 함께 붙어요. 무엇인지, 어디인지, 얼마나 크게, 얼마나 확실한지.
- 같은 물건에 네모가 여러 개 겹쳐 나오기 때문에, 겹친 것을 정리해 하나만 남기는 단계가 꼭 붙어요.
- 사진 한 장에 이름표 하나만 붙이는 이미지 분류에서 한 칸 올라간 일이에요.
- 요즘 방식은 빨라서 웹캠 영상에서도 실시간으로 돌아가요.
목차
1비유로 이해하기
서점 매대에 책이 뒤섞여 쌓여 있어요. 재고를 확인하려면 매대 전체를 "책 매대"라고 부르는 것만으로는 부족해요. 책마다 그 자리에 색 띠를 끼워 넣어야 해요. 소설에는 파란 띠, 요리책에는 초록 띠. 조사가 끝나면 매대 어느 쪽에 요리책 세 권이 있고 왼쪽 구석에 소설 두 권이 있는지가 한눈에 보여요.
띠를 꽂는 사람은 확실한 것만 고르지 않아요. 애매한 것에도 일단 꽂아 두고, 나중에 같은 책에 띠가 두세 개 겹쳐 꽂혀 있으면 가장 잘 맞는 하나만 남기고 뽑아요. 흐릿하게 반쯤 가린 책에는 띠를 꽂되 "확실하지 않음"이라고 적어 둬요.
매대에 "책 매대"라는 팻말 하나를 세우는 것과 책마다 띠를 꽂는 것은 품이 완전히 다른 일이에요. 객체 인식이 하는 일이 이 띠 꽂기예요.
2자세히 알아보기
한 장에서 여러 개를 한꺼번에
이미지 분류는 사진 한 장에 답 하나예요. 객체 인식은 답의 개수부터 정해져 있지 않아요. 물건이 하나도 없을 수도 있고 스무 개가 나올 수도 있어요. 이 "몇 개인지 모른다"는 점이 문제를 훨씬 어렵게 만들어요.
요즘 방식은 사진을 격자로 나눠 놓고 칸마다 "여기 뭔가 있나요?"를 한꺼번에 물어요. 사진 전체를 한 번만 훑으면서 모든 칸의 답을 동시에 받는 구조라 아주 빨라요. 물건을 하나씩 차례로 찾아 나가는 옛 방식보다 수십 배 빠르기 때문에, 웹캠 영상에서도 네모가 물건을 따라 붙어 다니는 게 가능해졌어요.
칸마다 크기가 다른 네모 견본을 여러 개 준비해 두는 것도 요령이에요. 길쭉한 것, 납작한 것, 정사각형에 가까운 것을 미리 놓고 각각을 조금씩 늘이고 옮겨 실제 물건에 맞춰요. 맨바닥에서 네모를 그리는 것보다 훨씬 잘 맞아떨어져요.
답 하나에 네 가지가 붙어요
객체 인식의 결과 한 줄은 "고양이, 왼쪽 위에서 가로 120 세로 90, 확실도 0.87" 같은 모양이에요. 이름표만 있는 분류와 달리 위치와 크기가 함께 나와요.
확실도는 특히 눈여겨볼 값이에요. 이 값이 낮은 네모까지 전부 보여 주면 화면이 네모로 뒤덮여요. 그래서 일정 수준을 넘는 것만 남기는데, 기준을 높이면 화면은 깔끔해지지만 흐릿한 물건을 놓치고, 기준을 낮추면 다 잡는 대신 헛것까지 잡아요. 체험 도구에서 네모가 깜빡이며 나타났다 사라지는 건 확실도가 기준선 근처에서 오르내리기 때문이에요.
겹친 네모를 정리해요
한 물건에 네모가 딱 하나만 나오는 일은 거의 없어요. 이웃한 여러 칸이 같은 물건을 보고 저마다 네모를 내놓기 때문에, 정리하기 전 화면은 비슷한 네모가 겹겹이 쌓인 상태예요.
그래서 확실도가 가장 높은 네모를 먼저 남기고, 그것과 많이 겹치는 나머지 네모를 지워요. 남은 것 중에서 다시 가장 높은 것을 남기고 겹치는 것을 지우는 식으로 반복해요. 겹침을 얼마나 봐줄지도 조절할 수 있는데, 너무 빡빡하게 잡으면 나란히 붙어 있는 두 물건 중 하나가 통째로 지워지기도 해요. 사람이 붐비는 사진에서 몇 명이 사라지는 일이 이 단계에서 생겨요.
3조금 더 정확하게
객체 인식은 사진 한 장을 받아 네모의 좌표 네 개, 이름표, 확실도로 이루어진 결과를 여러 개 내놓는 문제예요. 성능은 보통 정답 네모와 예측 네모가 얼마나 겹치는지를 기준 삼아, 겹침이 일정 수준을 넘으면 맞힌 것으로 세는 방식으로 재요. 이름표별로 재고 평균을 내 한 숫자로 나타내요.
학습 자료도 분류보다 훨씬 무거워요. 사진마다 물건 하나하나에 네모를 그리고 이름을 달아야 해서, 사진 한 장을 준비하는 데 드는 사람 손이 몇 배로 늘어나요.
서점 매대 비유가 어긋나는 지점도 있어요. 사람은 책 한 권을 보고 띠를 꽂지만, 모델은 물건을 하나씩 인식하는 게 아니라 사진 전체에서 수천 개의 후보 네모를 한꺼번에 내놓은 뒤 걸러 내요. 눈에 보이는 깔끔한 네모 몇 개는 그 걸러 내기가 끝난 결과예요. 또 사람은 책이 겹쳐 있어도 손으로 들춰 보지만, 모델은 보이는 화면만으로 판단해서 가려진 물건에 약해요.
4직접 해보기
5흔한 오해
객체 인식이 물체의 모양을 정확히 따 준다고 생각하기 쉽지만, 실제로는 축에 나란한 네모까지만 알려 주고 그 안에는 배경이 함께 들어와요.
네모가 안 보이면 물건이 없는 것이라고 여기기 쉽지만, 실제로는 확실도가 기준에 못 미쳐 걸러졌을 뿐 후보는 있었을 수 있어요.
화면에 뜬 네모가 모델이 실제로 내놓은 전부라고 생각하기 쉽지만, 실제로는 겹친 네모를 정리하고 남은 일부만 보여 주는 거예요.
7한 줄 요약
그러니까객체 인식은 사진에서 물건을 여러 개 찾아 각각에 네모와 이름표와 확실도를 붙이는 일이고, 겹쳐 나온 네모를 정리하는 단계까지가 한 묶음이에요.
잘못된 내용이나 더 좋은 비유가 있나요? 수정 제안 보내기 · 마지막 수정2026-09-02