경계감시 영상 객체탐지 파이프라인 구축 1기

프로젝트 정보

강의레벨: 중급
수행 형태: 3인 팀
교육일수: 20일
이수시간: 48시간
분야: 이미지/영상 데이터 라벨링, 객체 탐지·분류 성능평가, 객체 탐지 모델 현장 적용, 컴퓨터 비전 모델 적용

프로젝트 소개

영상에서 사람·차량을 탐지하는 파이프라인을 구축한다. 사전 학습 모델을 가져다 쓰는 데서 시작해, 현장 조건에서 성능이 어떻게 무너지는지 확인하고 개선한다.

튜토리얼 수준의 객체탐지는 반나절이면 돌아간다. 문제는 현장이다. 밤에는 안 보이고, 비가 오면 오탐이 쏟아지고, 카메라가 높이 달려 있어 사람이 20픽셀로 찍힌다. 그리고 오탐이 하루 300건 나오면 경보 시스템은 아무도 안 보게 된다.

이 프로젝트는 데이터 라벨링에서 시작해 성능 평가, 조건별 취약점 분석, 오탐 억제, 실시간 처리 구조까지 다룬다. 특히 "어떤 지표를 얼마로 맞춰야 실제로 쓸 수 있는가"를 운용 관점에서 정하는 일에 시간을 쓴다.

3인 1팀 수행. 데이터·모델·파이프라인으로 역할을 나누되 평가는 함께 한다.

미션 여정

미션 7개 · 문제 60개

1. 운용 요구 정리 — 무엇을 탐지해 무엇을 알려야 하나 5시간 120 크레딧 문제 7개

2. 평가셋 만들기 — 라벨링부터 시작한다 7시간 130 크레딧 문제 8개

3. 사전 학습 모델 적용과 성능 측정 6시간 140 크레딧 문제 9개

4. 조건별 취약점 분석 — 언제 무너지는가 6시간 150 크레딧 문제 9개

5. 미세조정 — 우리 영상에 맞추기 7시간 160 크레딧 문제 8개

6. 오탐 억제 — 경보를 쓸 수 있게 만들기 6시간 170 크레딧 문제 9개

7. 실시간 파이프라인과 운용 권고 7시간 180 크레딧 문제 10개

수행 조건과 산출물

선수학습: · 선수 : 파이썬 중급, numpy 기본. 「재물조사 데이터 정제 파이프라인」 또는 동등 수준.
· 선수 스킬 : 「멀티모달 활용 Level 2」, 「AI 도구 활용 Level 2」 진단 통과.
· 준비물 : GPU 가 있는 실습 환경(교육 환경 제공), OpenCV, 객체탐지 프레임워크.
· 사전 확인 : IoU 와 정밀도·재현율의 개념을 설명할 수 있어야 한다.
제약조건: · 제공된 실습 영상 데이터셋만 사용한다. 실제 부대 CCTV 영상을 가져오지 않는다.
· 영상에 사람이 식별 가능하게 찍힌 경우 실습 목적 외 사용·배포를 금지한다.
· 모델을 처음부터 학습시키지 않는다. 사전 학습 모델의 활용과 미세조정까지가 범위다.
· 성능은 반드시 자체 평가셋으로 측정한다. 공개 벤치마크 점수를 성능으로 보고하지 않는다.
· 실시간 처리는 제공 환경의 하드웨어 기준으로 측정한다.
산출물: 1. 탐지 파이프라인 — 영상 입력, 탐지 결과 출력, 이벤트 기록
2. 자체 평가셋 — 프레임 500장 이상 라벨링(조건 태그 포함)
3. 성능 리포트 — mAP, 조건별 성능, 오탐/시간, 미탐율
4. 취약점 분석서 — 실패 조건과 원인
5. 오탐 억제 설계서 — 적용한 기법과 효과
6. 실시간 처리 성능 측정 결과(FPS, 지연)
7. 운용 권고안 — 어떤 조건에서 쓰고 어떤 조건에서 사람이 봐야 하는가
참고자료: · 실습 데이터 : 주간/야간/우천/역광 조건 영상 각 2시간 + 라벨링 도구
· 사전 학습 모델 : 교육 환경 제공(일반 객체탐지 모델 2종)
· 참고 : 「객체탐지 성능 평가 지표(mAP·IoU) 정리」(사내), OpenCV 문서
· 라벨링 지침서(사내 배포본)