인간의 시각을 흉내 내는 컴퓨터 비전 6 - 연습문제 풀기 2 : 문제 4~6번

이어서 연습문제 4번부터 풀어보려고 한다. 요즘 공부의 흥미가 조금 떨어지는 기간이지만 요즘은 슬럼프 없이 공부에 집중하려고 하는 편이다. 연습문제가 너무 많아서 풀기 귀찮지만 모두 내게 도움이 되는 것들이니 재미가 없더라도 한번 풀어보려고 한다.

---

 

 

 

연습문제 풀기 두 번째

 

문제 4번

가운데 이미지는 1957년에 세계 최초로 컴퓨터에 저장된 아이 영상이다. 당시 사용된 컴퓨터의 메모리와 CPU 사양을 조사하고, 이 영상을 저장하고 처리하는데 어떤 어려움이 있었을지 설명하시오.

 

미국 MIT의 컴퓨터 과학자 러셀 커쉬(Russell Kirsch)가 당시의 컴퓨터인 SEAC(Standard Eastern Automatic Computer)을 이용해 스캔하여 디지털화한 이미지이다. 이 이미지는 176x176 픽셀의 해상도로, 당시 컴퓨터에 저장된 최초의 디지털 이미지였다.

 

1. SEAC 컴퓨터의 메모리와 사양

• 컴퓨터: SEAC (Standard Eastern Automatic Computer)
• 메모리: 512 바이트 (약 0.5KB) 워드 길이
• 처리 속도: 약 1000초에 1만 회의 명령어 실행
• 저장 방식: 7비트 바이너리 방식으로 흑백 이미지 데이터를 저장

---

 

 

2. 영상을 저장하고 처리하는 데 있었던 어려움

1. 메모리 제한
   • 당시 컴퓨터의 메모리는 매우 제한적이었기 때문에 고해상도의 이미지를 저장하는 것은 불가능했다. 이로 인해 176x176 픽셀의 낮은 해상도로 이미지를 저장해야 했다.
   • 저해상도 이미지로 인해 디테일이 많이 손실되었고, 영상의 품질도 낮아 제한적인 정보만 표현할 수 있었다.
2. 저장 및 연산 속도 문제
   • 컴퓨터의 연산 속도가 매우 느렸기 때문에, 이미지를 처리하고 스캔하는 데 오랜 시간이 걸렸다. 이미지 데이터를 읽고 쓰는 데도 상당한 시간이 소요되었다.
   • 이미지 데이터를 압축하거나 효율적으로 저장하는 기술이 부족해, 큰 용량의 데이터를 관리하는 데 어려움이 있었다.
3. 데이터 표현의 한계
   • 당시의 컴퓨터는 흑백 데이터를 7비트로 저장했기 때문에, 다양한 명암과 색상을 표현하는 데 한계가 있었다. 이로 인해 이미지가 매우 단순화되었으며, 디테일한 표현이 어려웠다.
   • 이미지 데이터를 변환하거나 압축하는 알고리즘이 없었기 때문에, 원본 이미지를 그대로 디지털화하는 데 제한이 있었다.
4. 스캔 기술의 제한
   • 당시에는 이미지 스캐너가 지금처럼 정밀하지 않아 이미지 품질이 떨어졌고, 픽셀 간의 정확한 구분도 어려웠다.
   • 이러한 기술적 한계로 인해 이미지를 세밀하게 디지털화하는 데 어려움이 있었으며, 스캔 속도 역시 매우 느렸다.

이처럼 초기 디지털 이미지 처리는 메모리와 처리 속도 제한, 데이터 표현의 한계 등 여러 제약 속에서 이루어졌다. 하지만 이러한 시도들이 디지털 이미지 처리 기술의 발전에 중요한 발판이 되었다.

---

 

 

 

 

 

문제 5번

이전 절에서 컴퓨터 비전을 활용할 수 있는 여러 분야를 제시했다. 빠진 응용 분야 하나를 생각하고 응용 시나리오를 설명하는 영상과 문장을 비슷한 형식으로 제시하시오.

 

컴퓨터 비전이 활용될 수 있는 다른 응용 분야로 교육을 제시할 수 있다. 컴퓨터 비전 기술을 통해 학습자에게 맞춤형 교육 경험을 제공하거나, 실시간으로 학습 진행 상황을 분석할 수 있다.

 

교육

• 자동 채점 및 피드백 : 컴퓨터 비전을 활용하여 학생들의 수학 문제 풀이 과정이나 시험지를 자동으로 채점하고, 피드백을 제공한다. 예를 들어, 손으로 작성한 답안을 인식하여 올바른 답과 비교하고, 틀린 부분에 대해 개선점을 제시할 수 있다.
• 학습자 표정 및 행동 분석 : 컴퓨터 비전이 학습자의 표정과 행동을 실시간으로 분석하여, 학습자가 특정 개념에서 어려움을 겪고 있는지, 흥미를 느끼는지 등을 파악한다. 이를 통해 교사나 부모에게 학습자의 이해도를 피드백으로 전달하여 맞춤형 지도를 가능하게 한다.
• 실감형 가상 학습 환경 : 증강 현실(AR) 기술과 결합된 컴퓨터 비전을 통해 과학 실험, 역사적 사건, 생물 해부 등 실감형 학습 경험을 제공할 수 있다. 예를 들어, 컴퓨터 비전과 AR을 이용해 학생들이 교과서의 생물 그림을 실시간으로 스캔하면, 3D 모델이 나타나 생물의 구조와 기능을 시각적으로 이해할 수 있게 도와준다.

 

추천 영상 : "AI in Education: How Computer Vision is Changing the Classroom"

• 이 영상은 AI와 컴퓨터 비전이 어떻게 교육 환경에서 활용되는지를 설명한다. 자동 채점 시스템, 실시간 학습 피드백 제공, 맞춤형 학습 경험 등을 중심으로 컴퓨터 비전 기술이 어떻게 학습을 돕는지 구체적인 사례를 통해 소개한다.

그러니까 컴퓨터 비전 기술은 교육 분야에서 혁신적인 도구로 자리 잡고 있다. 컴퓨터 비전은 자동 채점과 피드백 제공, 학생들의 이해도 분석, AR 기반 실감형 학습 경험을 통해 학습 효율성을 높이고 맞춤형 학습을 가능하게 한다. 이러한 컴퓨터 비전 기술은 학습자들이 더 나은 이해와 효율적인 학습을 경험할 수 있도록 돕고 있다.

 

 

컴퓨터 비전 교육에 활용

---

 

 

 

 

문제 6번

컴퓨터 비전의 간략한 역사에서 사건 하나를 골라 자세히 조사하시오.

 

2012년, 이미지넷(ImageNet) 대회에서의 딥러닝 혁신

• 2012년, 이미지넷(ILSVRC, ImageNet Large Scale Visual Recognition Challenge) 대회에서 제프리 힌턴(Geoffrey Hinton)의 연구팀이 AlexNet이라는 딥러닝 모델을 사용하여 경쟁에 참여했다. AlexNet은 컨볼루션 신경망(CNN) 기반의 딥러닝 모델로, 이 모델은 이미지넷의 1,000개 카테고리에서 객체 인식 정확도 면에서 기존 기술보다 월등히 높은 성과를 보여주었다.
• AlexNet의 성공은 컴퓨터 비전과 인공지능 연구에 딥러닝이 중요한 기술로 자리 잡는 계기가 되었고, 이후로 딥러닝이 컴퓨터 비전의 표준이 되었다. 이 사건 이후, 다양한 CNN 아키텍처(예: VGG, ResNet)가 개발되어 이미지 분류와 객체 검출, 이미지 생성 등 다양한 컴퓨터 비전 문제에 혁신적인 성과를 가져왔다.

 

 

---

 

 

 

학습을 마치고

나머지 문제는 안 풀어도 될 것 같아 생략하기로 했다. 오늘은 공부가 많이 하기 싫고 귀찮다. 그래도 여기까지는 마쳐야 한 단원이 끝나니까. 그래도 연습문제를 풀며 많은 것들을 배웠다.

너무 천천히 공부하려고 하면 딴생각이 많이 나고 공부를 더 소홀히 하는 것도 오늘 깨달았다. 오히려 적당한 긴장감과 속도가 나의 더욱 성장시킨다는 걸 알게 되었다.