AI는 이미지를 어떻게 인식할까? 픽셀부터 CNN까지 쉬운 안내
AI Neural ·
얼굴 잠금 해제, 인물별로 정리되는 사진 앨범, 사진으로 식물 알아보기 — 이 모든 것의 뒤에는 같은 일이 있습니다. 바로 기계가 이미지를 이해하게 만드는 것입니다. 이해의 열쇠는 의외로 간단합니다. 먼저 숫자가 어떤 모습인지 알고, 다음으로 네트워크가 그 숫자들을 "특징"으로 조합하는 과정을 아는 것입니다.
기계에게 이미지란 숫자 격자일 뿐
컬러 사진은 수만 개의 픽셀로 이루어져 있고, 각 픽셀은 빨강·초록·파랑 세 가지 밝기 값(보통 0~255)을 담고 있습니다. 그래서 이미지를 네트워크에 넣을 때는 실제로 가지런한 격자에 놓인 수많은 숫자를 넣는 셈입니다.
이 "숫자 격자"에 대해 네트워크가 가장 먼저 하는 일은 아주 소박합니다. 격자 안의 국소적인 작은 변화, 예를 들어 이웃 픽셀 사이에서 밝기가 급격히 오르거나 내려가는 부분, 즉 윤곽선을 찾습니다.
픽셀에서 특징으로: 층마다 조합하기
윤곽선 하나만으로는 아무 의미가 없지만, 그것들을 조합하면 의미가 생깁니다. 뒤쪽 층은 단순한 윤곽선을 곡선, 모서리, 질감으로 묶고, 더 뒤쪽 층은 그것들을 눈, 코, 바퀴, 꽃잎 같은 부품으로 조립합니다.
이 과정은 사람이 규칙을 손으로 쓰는 것이 아니라 네트워크가 학습 중 스스로 익힙니다. 각 층이 배우는 "특징"은 이전 층 출력의 재조합이며, 깊어질수록 추상도가 높아집니다.
고전적인 예: MNIST 손글씨 숫자
이미지 인식을 배울 때는 거의 모두 MNIST부터 시작합니다. 28×28 픽셀 손글씨 숫자 이미지 수만 장으로 이루어져 있고, 각각 0~9의 정답 라벨이 붙어 있어 "보고 분류하기" 연습에 더할 나위 없습니다.
이미지가 작고 분류 수가 적어 복잡하지 않은 네트워크도 몇 분이면 높은 정확도에 도달합니다. "학습에서 무슨 일이 일어나는지" 관찰하기에 안성맞춤입니다. MNIST를 이해하면 더 복잡한 이미지 과제도 자연스럽게 풀립니다.
CNN은 일반 네트워크에 무엇을 더하나
모든 픽셀 위치를 다음 층에 곧바로 연결하면 매개변수가 폭증해 학습이 어려워집니다. CNN의 핵심 아이디어는 "합성곱"입니다. 작은 창을 이미지 전체 위로 미끄러뜨리며 같은 가중치 묶음을 반복 사용해 같은 종류의 무늬를 찾습니다. 이렇게 하면 위치 관계를 유지하면서 매개변수를 크게 줄일 수 있습니다.
또한 CNN은 "풀링"으로 특징 맵을 줄여, 특징이 정확히 어느 픽셀에 있는지보다 "존재하는지"에 더 집중하게 합니다. 덕분에 약간의 위치 이동에 더 강해집니다. 합성곱과 풀링을 층층이 쌓은 것이 현대 이미지 인식의 기본 골격입니다.
FAQ
흑백 이미지는 왜 채널이 하나이고 컬러 이미지는 셋인가요?
흑백 이미지는 픽셀마다 밝기 값이 하나면 되므로 채널이 하나, 컬러 이미지는 픽셀마다 빨강·초록·파랑 세 가지 밝기를 담으므로 채널이 셋입니다. 네트워크가 다루는 방식은 같고 입력 숫자가 조금 늘어날 뿐입니다.
이미지 인식 학습에는 이미지가 많이 필요한가요?
보통 많을수록 좋지만 "데이터 증강" — 이미지를 살짝 회전·자르기·뒤집기 — 으로 실질적으로 수를 늘릴 수 있습니다. 또한 방대한 이미지로 미리 학습된 모델을 활용하는 "전이 학습"을 쓰면 내 데이터는 조금만으로 미세 조정할 수 있습니다.
AI가 착시에 속을 수도 있나요?
그렇습니다. 픽셀 몇 개만 바꿔도 모델이 A를 B로 인식할 수 있으며, 이를 "적대적 예제"라고 합니다. 이는 모델이 사람처럼 이미지를 진짜로 이해하는 게 아니라 통계적 유사성을 학습한다는 뜻이므로, 보안이 중요한 상황에서는 추가 방어가 필요합니다.
AI Neural로 이미지 인식을 한 걸음씩 이해하기
AI Neural을 열고 인터랙티브 예제로 픽셀이 윤곽선이 되고 윤곽선이 부품이 되는 과정을 지켜보세요. CNN의 아이디어를 직관적으로 느낄 수 있어 개념을 통째로 외우는 것보다 훨씬 수월합니다.