비전 AI

영상에서 의미 있는 이벤트를 뽑아내기 위해 모델뿐 아니라 전처리, 후처리, 추적 구조까지 함께 다룹니다.

Vision AI는 단일 모델의 정확도만으로 설명하기 어렵습니다. 카메라 위치와 해상도, 피사체 크기, 조명, 가림, 영상 흔들림 같은 조건에 따라 전체 파이프라인의 설계가 달라지기 때문입니다.

Odette는 객체감지와 추적, Segmentation, 컴퓨터 비전 기반 불량검사까지 현장 문제에 맞게 조합합니다. 출입통제, 근태관리, 얼굴인식, CCTV 분석처럼 운영과 연결되는 비전 시스템도 이 범주 안에서 다룹니다.

모델 하나보다 파이프라인 전체가 중요합니다.

작은 객체를 찾아야 하는지, 빠르게 움직이는 대상을 따라가야 하는지, 영역을 정밀하게 분할해야 하는지에 따라 모델 아키텍처, 데이터셋, 전처리, 후처리 파이프라인이 완전히 달라집니다. 그래서 오데트는 문제를 먼저 면밀하게 파악한 뒤, 그에 맞게 설계를 진행합니다.

객체감지 영역에서도 YOLO 계열만 다루는 것이 아니라 다양한 감지 계열 모델을 폭넓게 다뤄봤고, 필요하면 문제에 맞는 아키텍처를 직접 설계하고 개발할 수 있습니다.

또한 불량검사에서는 PatchCore 같은 딥러닝 접근뿐 아니라 머신러닝 기반 룰베이스 기법까지 함께 활용해, 데이터와 운영 조건에 맞는 현실적인 해법을 선택합니다.

다루는 기술 범위

YOLO 계열뿐 아니라 다양한 객체감지 모델과 MOT 기반 추적으로 객체의 연속성을 함께 다룹니다.

픽셀 단위 분할과 영역 기반 분석이 필요한 과제를 위해 딥러닝 분할 파이프라인을 구성합니다.

PatchCore 같은 딥러닝 접근과 머신러닝 기반 룰베이스 기법을 함께 활용해 불량 검출 문제를 다룹니다.

왜곡 보정, ROI 설정, 품질 보정 등 입력 품질을 다듬습니다.

출입통제, 근태관리, 얼굴인식, CCTV 모니터링처럼 운영과 연결되는 비전 시스템으로 확장합니다.

CVAT, PPOCRLabel 기반 라벨링 툴을 직접 손봐가며 사용해왔고, 데이터 수집 설계부터 레이블 기준, 검수 운영까지 실제 경험을 바탕으로 정리할 수 있습니다.