중요합니다
영어가 아닌 번역은 편의를 위해서만 제공됩니다. 바인딩 버전을 위해 이 문서의 EN-US 버전을 참조하세요.
투명성 고지란?
AI 시스템에는 기술뿐만 아니라 기술을 사용하는 사람, 영향을 받는 사람, 배포되는 환경이 포함됩니다. 의도한 목적에 맞는 시스템을 만들려면 기술의 작동 방식, 기능 및 제한 사항, 최상의 성능을 달성하는 방법에 대한 이해가 필요합니다. Microsoft의 투명성 고지는 Microsoft의 AI 기술의 작동 방식, 시스템 소유자가 시스템 성능과 동작에 영향을 줄 수 있는 선택 사항 그리고 기술, 사람, 환경을 포함한 전체 시스템에 대한 사고의 중요성을 이해하는 데 도움을 주기 위한 것입니다. 투명성 고지는 자체 시스템을 개발 또는 배포할 때 사용하거나 시스템을 사용하거나 시스템의 영향을 받을 사람들과 공유할 수 있습니다.
Microsoft의 투명성 메모는 Microsoft에서 AI 원칙을 실천하기 위한 광범위한 노력의 일환입니다. 자세한 내용은 Microsoft AI 원칙을 참조하세요.
Custom Vision 소개
Custom Vision은 사용자 고유의 이미지 식별 시스템을 빌드, 배포 및 개선할 수 있는 이미지 인식 서비스입니다. 이 서비스는 시각적 특성에 따라 이미지의 개체를 분류하거나 검색하여 시스템에서 학습할 이미지와 예측할 범주를 지정할 수 있습니다.
Custom Vision이 수행하는 기능
Custom Vision 서비스는 기계 학습을 사용하여 이미지를 분석합니다. 문제의 특징이 있는 이미지와 없는 이미지를 제출합니다. 이미지에 직접 레이블을 지정합니다. 그런 다음 알고리즘은 이 데이터를 사용하여 자체적으로 학습하고 동일한 이미지에서 자체적으로 테스트하여 자체 정확도를 계산합니다. 알고리즘을 학습한 후에는 이미지 인식 애플리케이션 또는 솔루션에서 이를 테스트, 재학습 및 사용하여 새 이미지에 대한 예측을 유추할 수 있습니다. 오프라인 사용을 위해 모델 자체를 내보낼 수도 있습니다.
자세한 내용은 Custom Vision이란?을 참조하세요.
사용 약관 및 정의
| 기간 | 정의 |
|---|---|
| 기본 모델 | 기본 모델은 특정 유형의 작업(예: 이미지 분류 또는 개체 감지)에 대해 해당 아키텍처를 조정하는 데 사용되는 모델 아키텍처 및 학습 데이터의 조합입니다. 기본 모델은 Microsoft에서 빌드되며 일반, 식품, 랜드마크, 소매, 로고 및 선반의 제품과 같은 다양한 도메인에 대한 이전 학습 프로세스의 시작점으로 사용됩니다. |
| 모델 트레이닝 과정 | 이는 고객이 제공한 레이블이 지정된 이미지를 기반으로 모델을 학습하는 프로세스를 나타냅니다. |
| 전이 학습 | 고객이 제공한 학습 데이터를 사용하여 고객이 해결하려는 특정 문제를 해결하기 위해 기본 모델을 재학습합니다. 학습 데이터는 인식하려는 클래스와 이미지 형식의 조합일 수 있습니다. |
| 클래스 | 학습된 모델에는 입력 이미지를 분석할 때 할당할 클래스 집합이 있습니다. Custom Vision을 사용하여 모델을 빌드하는 경우 모델이 출력할 클래스 집합을 정의하고 각 클래스에 대해 레이블이 지정된 학습 데이터를 제공합니다. |
| 클래스-정확도 쌍 | 클래스 정확도 쌍은 클래스 이름과 클래스 검색과 연결된 신뢰도 점수의 부동 소수점 값으로 구성된 두 값 집합입니다. 예를 들어 클래스는 이미지 집합에 표시된 파인애플 또는 배와 같은 과일 유형일 수 있습니다. 클래스와 정확도 쌍은 이미지에 특정 클래스가 존재할 가능성을 나타내는 신뢰도 점수입니다(예: 파인애플: 93.53%). |
| 이미지 분류 기능 | 이 기능은 이미지를 입력으로 사용하고 이미지 수준 속성인 클래스 정확도 쌍 집합을 출력합니다(이미지 내의 위치를 지정하지 않음). 예를 들어, 과일과 과일이 아닌 것의 쌍이 있을 수 있는데, 이 경우 이미지의 대부분이 해당 클래스에 의해 차지됩니다. |
| 개체 검색 기능 | 이 기능은 이미지를 입력으로 사용하고 이미지에서 해당 클래스가 검색된 위치에 대한 경계 상자 좌표도 포함하는 클래스 정확도 쌍 집합을 출력합니다. 예를 들어 모델은 이미지에서 차량이 있는 위치에 대한 경계 상자 좌표를 검색할 수 있습니다. |
| 경계 상자 | 이미지의 왼쪽 위 모서리를 기준으로 감지된 개체의 왼쪽 위 모서리에 있는 x, y 픽셀 좌표와 감지된 개체의 너비 및 높이를 나타내는 4개의 수치 값 집합입니다. |
| 프로젝트 | 학습 데이터, 해당 데이터에서 학습된 모델 및 해당 모델에 대해 생성된 예측 엔드포인트를 포함하는 논리 그룹화입니다. |
Custom Vision의 함수
Custom Vision의 기능은 두 가지 기능으로 나눌 수 있습니다. 이미지 분류 는 이미지에 하나 이상의 레이블을 적용합니다. 개체 감지 는 이미지에서 감지된 개체에 대해 적용된 레이블을 찾을 수 있는 좌표를 반환합니다. 두 기능 모두 API, SDK 및 웹 사이트를 https://customvision.ai통해 제공됩니다.
Custom Vision은 다음과 같은 고급 함수를 통해 사용자 지정 Azure AI Vision 모델을 만들고 사용할 수 있습니다. 사용할 모델을 준비하기 위해 완료할 두 가지 핵심 활동을 나타냅니다.
데이터 레이블 지정 은 모델이 분류해야 하는 이미지 클래스를 사용하여 학습 이미지에 주석을 추가하는 프로세스입니다. 개체 감지의 경우 이미지에서 검색할 개체를 둘러싸는 경계 상자가 있는 학습 이미지에 주석을 추가합니다. Custom Vision은 선택한 클래스를 사용하여 학습 이미지에 레이블을 지정할 수 있는 웹 포털을 제공합니다. 학습 데이터의 레이블이 지정되면 모델을 학습하는 데 사용할 수 있습니다.
모델 학습 은 기본 모델 및 전송 학습을 사용하여 고객이 제공한 이미지 및 해당 클래스에 최적화된 모델을 학습시킵니다. 모델의 품질은 제공하는 학습 데이터의 양과 품질에 따라 크게 달라집니다. Custom Vision은 제공된 학습 데이터의 분할을 기반으로 모델 성능을 근사화하기 위한 정확도 메트릭을 제공합니다.
모델을 사용할 준비가 되면 처리를 위해 이미지를 전송하여 모델 예측을 수행할 수 있습니다. Custom Service 클라우드에서 모델을 호스트하거나 원하는 대로 사용할 다양한 형식으로 모델을 내보낼 수 있습니다.
시간이 지남에 따라 모델의 품질을 개선하기 위해 프로덕션 배포에서 데이터를 샘플링하거나 더 많은 데이터를 수집하고 해당 데이터가 레이블이 지정될 때 모델을 다시 학습할 수 있습니다. 이 프로세스를 지원하기 위해 업로드하는 이미지 집합에 대한 레이블을 제안하는 스마트 레이블 지정을 사용할 수 있습니다.
사용 사례 예
다음과 같은 시나리오에 Azure AI Custom Vision을 사용할 수 있습니다.
- 자동화된 시각적 경고: 특정 상황이 감지될 때 비디오 스트림을 모니터링하고 경고를 트리거하는 기능입니다. 예를 들어 증기가 감지되거나 강에 거품이 있거나 동물이 있을 때 경고를 표시할 수 있습니다.
- 수동 검사의 효율성 향상: 소매에서 제품 인식을 사용하면 사용자 또는 동료가 고유한 SKU를 계산하는 데 소비하는 시간을 줄이거나 선반에 있어야 하는 모든 SKU가 있는지 여부를 식별할 수 있습니다.
- 검사 범위 확장: 결함을 감지할 때 사람이 제조 라인에서 나오는 모든 품목을 검토하는 것이 항상 가능한 것은 아닙니다. 대신 Custom Vision을 사용하여 수동으로 검사할 수 없는 항목 집합을 처리하고 수동으로 검사할 항목을 알릴 수 있습니다.
- 개체 검색 기능 향상: 메타데이터를 사용하여 이미지에 레이블을 지정하면 나중에 더 쉽게 찾을 수 있습니다. 예를 들어 필터링에 관심이 있는 제품 카탈로그 또는 기타 시각적 기능에 따라 이미지에 태그를 지정할 수 있습니다. Custom Vision을 사용하면 수집 시 메타데이터를 사용하여 이미지에 레이블을 지정할 수 있습니다.
사용 사례 선택 시 고려 사항
고객은 혁신적인 솔루션 또는 애플리케이션에서 Custom Vision을 활용하는 것이 좋습니다. 하지만 사용 사례를 선택할 때 다음과 같은 몇 가지 고려 사항이 있습니다.
얼굴 감지 또는 인식에 적합하지 않습니다. Custom Vision은 이미지에서 개인을 인식하거나 식별하도록 설계되거나 테스트되지 않았습니다. 대신 여러 얼굴 감지기를 사용할 수 있는 Azure AI 서비스 Face 를 사용하는 것이 좋습니다.
생체 인식 식별에 적합하지 않습니다. Custom Vision은 홍채 인식, 지문 식별, 여권 또는 다른 형태의 ID와 같은 생체 인식 마커를 기반으로 개인의 신원을 확인하도록 설계되거나 테스트되지 않았습니다.
수백 개의 클래스와 태그가 포함된 대규모 이미지 집합에 대한 사용자 지정 모델을 학습하는 데 적합하지 않습니다. Azure AI Vision 에는 수천 개의 태그를 사용하여 대규모 이미지 처리를 위한 미리 빌드된 모델로 이러한 기능이 있습니다.
텍스트를 검색하거나 추출하는 데 적합하지 않습니다. Custom Vision은 이미지 내에서 텍스트를 처리하기 위해 설계되거나 테스트되지 않았습니다. 이 용도로 OCR(광학 인식) 을 대신 사용합니다.
접근성을 위해 대체 텍스트로 사용할 수 있는 이미지에 대한 사람이 읽을 수 있는 설명을 생성하는 데 적합하지 않습니다. Custom Vision은 이 목적을 위해 설명을 생성하도록 설계되거나 테스트되지 않았습니다. Azure AI Vision 에는 이미지 설명을 생성하는 이러한 기능이 있으며 이 용도에 가장 적합합니다.
의료 장치, 임상 지원, 진단 도구 또는 질병 또는 기타 조건의 진단, 치료, 완화, 치료 또는 예방에 사용하려는 기타 기술 등 의료 진단에 Custom Vision을 사용하지 마세요. Microsoft는 이러한 목적을 위해 이 기능을 사용할 수 있는 라이선스 또는 권리가 부여되지 않습니다. 이 기능은 전문적인 의학적 조언이나 의료 의견, 진단, 치료 또는 의료 전문가의 임상적 판단을 대체하기 위해 구현되거나, 배포되도록 설계되거나, 의도된 것이 아니므로 그렇게 사용해서는 안 됩니다. 고객은 의료 진단을 위해 Custom Vision을 사용할 책임이 있습니다.
-
법률 및 규제 고려 사항: 조직은 모든 업계 또는 시나리오에서 사용하기에 적합하지 않을 수 있는 AI 서비스 및 솔루션을 사용할 때 잠재적인 특정 법률 및 규제 의무를 평가해야 합니다. 또한 AI 서비스나 솔루션은 해당 서비스 약관 및 관련 행동 강령에서 금지하는 방식으로 설계되지 않았으며, 그러한 방식으로 사용될 수 없습니다.