---
title: "[AI 101] 컴퓨터 비전 – AI가 세상을 보는 방법"
id: "124"
type: "post"
slug: "computer-vision-image-classification-object-detection-yolo"
published_at: "2025-11-23T14:51:51+00:00"
modified_at: "2026-07-19T10:38:45+00:00"
url: "https://doyouknow.kr/computer-vision-image-classification-object-detection-yolo/"
markdown_url: "https://doyouknow.kr/computer-vision-image-classification-object-detection-yolo.md"
excerpt: "컴퓨터 비전 완벽 가이드! 이미지 분류 99%, 객체 탐지 YOLO 65fps, 얼굴 인식 99.5%, 의료 영상 분석 78% 정확도부터 CNN 기초, ResNet, Mask R-CNN, 자율주행, Face ID, 의료 AI까지. AI가 세상을 보는 방법."
taxonomy_category:
  - "AI"
  - "AI 101"
taxonomy_post_tag:
  - "AI 101"
  - "CNN"
  - "Computer Vision"
  - "Face ID"
  - "Mask R-CNN"
  - "ResNet"
  - "Segmentation"
  - "YOLO"
  - "객체 탐지"
  - "얼굴 인식"
  - "의료 영상"
  - "이미지 분류"
  - "이미지 분할"
  - "자율주행"
  - "컴퓨터 비전"
  - "합성곱 신경망"
---

![AI101 01 02](https://doyouknow.kr/wp-content/uploads/cwv-webp-images/2025/11/xAI101_01_02.jpg.webp.pagespeed.ic.In1dYa-jOl.webp)

---

## 핵심 요약

**“AI가 눈을 뜨기 시작했습니다.”** **컴퓨터 비전(Computer Vision)**은 **이미지와 영상에서 의미 있는 정보를 추출하는 AI 분야**입니다. 1950년대 “기계가 사진을 “읽을 수 있을까?”라는 물음에서 시작된 이 분야는, 이제 **이미지 분류(정확도 99%+), 객체 탐지(YOLO 65fps), 얼굴 인식(정확도 99.5%), 의료 영상 분석(진단 정확도 78% – 전문의 수준)**에서 인간을 뛰어넘었습니다. **COCO 데이터셋의 객체 탐지 챌린지**에서 초기(2015) 정확도 75%에서 현재(2025) 정확도 90%+ 달성했고, **Google의 이미지 검색, Apple의 Face ID, Tesla의 자율주행**은 모두 컴퓨터 비전의 산물입니다. **딥러닝이 핵심**인데, **CNN(합성곱 신경망)이 기초**가 되어 **이미지에서 특징을 자동 추출**하고, **YOLO 같은 실시간 객체 탐지 모델**이 초당 65프레임 처리를 가능하게 했습니다. 의료 분야에서는 **AI가 주니어 의사와 시니어 의사 사이 수준**을 달성했고, 곧 **“의사 1명 + AI 1대 = 의사 3명”의 시대**가 올 것입니다.

---

## 📍 목차

1. 컴퓨터 비전이란: 역사와 기본
2. 이미지 분류, 객체 탐지, 이미지 분할
3. 객체 탐지의 혁명: YOLO
4. 얼굴 인식 기술의 원리
5. 의료 영상 분석과 AI 진단
6. 실생활 응용과 미래

---

## 1. 컴퓨터 비전이란: 역사와 기본

### 1-1. 컴퓨터 비전의 정의

**정의:**

```
"디지털 이미지와 영상에서 의미 있는 정보를 추출하고 해석하는 AI 분야"

즉:
입력: 사진 또는 영상
처리: 신경망이 특징 추출
출력: 분류, 위치, 분할 등 의미 있는 정보
```

**인간 시각 vs 컴퓨터 비전:**

```
인간 시각:
망막 → 신경 신호 → 뇌 (0.1초) → 이해

컴퓨터 비전:
카메라 → 픽셀값 (RGB) → CNN → 분류 (0.03초) ← 더 빠름!
```

### 1-2. 역사

**초기 (1950-1980):**

```
1959: "기계는 이미지를 읽을 수 있는가?" 논문
1974: 경계선 검출, 특징 추출 (수작업 알고리즘)
1984: 첫 얼굴 인식 시스템 (정확도 75%)

특징: 모두 사람이 규칙을 직접 만듦 (매우 비효율)
```

**중기 (1990-2010):**

```
1998: SIFT (Scale Invariant Feature Transform) 발명
      - 회전, 크기 변화에 강한 특징 추출
      - 정확도 대폭 향상

2001: Haar Cascade 알고리즘 (얼굴 인식)
      - 실시간 얼굴 감지 가능

2005: Histogram of Oriented Gradients (HOG)
      - 더 좋은 특징 추출

특징: 여전히 "손으로 만든" 특징 사용
```

**현대 (2012-현재):**

```
2012: AlexNet (딥러닝)
      - ImageNet 챌린지 우승
      - CNN이 모든 수작업 알고리즘 압도
      - 정확도: 85% (이전 최고: 75%)

2014: VGGNet, GoogLeNet
      - 더 깊은 네트워크

2015: ResNet (깊이 152층!)
      - ImageNet 정확도: 96%

2016: YOLO (실시간 객체 탐지)
      - 정확도 vs 속도 trade-off 해결

2020-2025: Vision Transformer, DALL-E, GPT-4V
           - 멀티모달 AI 시대

현재: 정확도 99%+ 달성
```

### 1-3. 컴퓨터 비전의 3가지 기본 작업

**1️⃣ 이미지 분류 (Image Classification)**

```
입력: 고양이 사진
처리: CNN이 특징 추출
출력: "고양이" (확률 99%)

사실: 1000개 클래스 분류도 가능
```

**2️⃣ 객체 탐지 (Object Detection)**

```
입력: 도로 사진 (자동차, 사람, 신호등)
처리: CNN이 모든 객체 찾음
출력: 
  - 자동차: (x=100, y=50, w=50, h=30) 신뢰도 0.95
  - 사람: (x=200, y=80, w=30, h=50) 신뢰도 0.92
  - 신호등: (x=350, y=20, w=10, h=20) 신뢰도 0.98
```

**3️⃣ 이미지 분할 (Image Segmentation)**

```
입력: 사람, 배경 사진
처리: CNN이 픽셀별로 분류
출력: 픽셀마다 "사람" 또는 "배경" 레이블

응용: 배경 제거, 의료 영상 분할
```

---

## 2. 이미지 분류, 객체 탐지, 이미지 분할

### 2-1. 이미지 분류 (Classification)

**개념:**

```
문제: "이 사진은 고양이인가?"
답: "네, 고양이입니다" (확률 99%)
```

**CNN의 기본 구조:**

```
입력 이미지 (224×224×3)
  ↓
[Conv Layer 1] → 특징 맵 (64개)
  ↓ (가장자리, 패턴 감지)
[Conv Layer 2] → 특징 맵 (128개)
  ↓ (코, 눈 같은 부분)
[Conv Layer 3] → 특징 맵 (256개)
  ↓ (얼굴, 형태)
[Global Average Pooling] → 벡터 (256차원)
  ↓
[Dense Layer] → 1000개 클래스 확률
  ↓
출력: [0.01, 0.99, 0.00, ...] ← 고양이 확률 99%
```

**ResNet 예시 (2015):**

```
import torch
import torchvision.models as models

# ResNet50 로드 (ImageNet 사전학습)
model = models.resnet50(pretrained=True)
model.eval()

# 입력 이미지
from PIL import Image
import torchvision.transforms as transforms

img = Image.open('cat.jpg')
preprocess = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(
        mean=[0.485, 0.456, 0.406],
        std=[0.229, 0.224, 0.225]
    )
])

input_tensor = preprocess(img)
input_batch = input_tensor.unsqueeze(0)

# 추론
with torch.no_grad():
    output = model(input_batch)

# 확률
probabilities = torch.nn.functional.softmax(output[0], dim=0)
top5_prob, top5_catid = torch.topk(probabilities, 5)

print(f"고양이 확률: {probabilities[281]:.2%}")  # 281 = cat class
# 고양이 확률: 99.87%
```

**성능:**

```
ImageNet 정확도 변화:
- AlexNet (2012): 85%
- VGGNet (2014): 92%
- GoogLeNet (2014): 93%
- ResNet-50 (2015): 95.7%
- ResNet-152 (2015): 96.4%
- Vision Transformer (2020): 99.0%
- 최신 모델 (2025): 99.5%+
```

### 2-2. 객체 탐지 (Object Detection)

**이미지 분류 vs 객체 탐지:**

```
이미지 분류:
"이 사진에 뭐가 있어?" → "고양이"

객체 탐지:
"이 사진에 뭐가 어디 있어?" 
→ "고양이가 (100, 50)에 있고, 
   개가 (300, 150)에 있어"
```

**방법: Two-stage vs One-stage**

**Two-Stage (느리지만 정확):**

```
1단계: Region Proposal
   - "물체가 있을 만한 영역" 찾기 (2000개)

2단계: Classification
   - 각 영역을 분류

예: R-CNN (2014)
   - 정확도: 92%
   - 속도: 13초/이미지 ← 느림!
```

**One-Stage (빠름):**

```
1단계: 전체 이미지에서 동시에
   - 위치와 클래스를 한 번에 예측

예: YOLO (2016)
   - 정확도: 88%
   - 속도: 0.015초/이미지 ← 매우 빠름! (65fps)
```

### 2-3. 이미지 분할 (Segmentation)

**종류:**

```
1. Semantic Segmentation
   모든 사람을 "사람" 클래스로 표시

   입력: 사진 (사람 2명 + 배경)
   출력: 픽셀맵
         [배경, 사람, 배경, 사람, ...]

   응용: 자율주행 (도로, 보행자, 신호등)

2. Instance Segmentation
   각 사람을 개별적으로 표시

   입력: 사진 (사람 2명 + 배경)
   출력: 픽셀맵
         [배경, 사람1, 배경, 사람2, ...]

   응용: 군중 분석, 목체 개수 세기

3. Panoptic Segmentation
   둘 다!
```

**기술: Mask R-CNN (2017)**

```
구조:
입력 → Faster R-CNN (객체 탐지)
     ↓
     각 객체별 마스크 생성
     ↓
출력: 바운딩 박스 + 픽셀 마스크

성능:
- 객체 탐지: AP 90% (매우 높음)
- 마스크: Dice 0.92 (픽셀 정확도)
```

---

## 3. 객체 탐지의 혁명: YOLO

### 3-1. YOLO의 혁신

**YOLO (You Only Look Once)란?**

```
"이미지를 한 번만 본다"

의미: 이미지 전체를 한 번에 처리해서 모든 객체를 동시에 찾음

이전 방식 (R-CNN):
1. 2000개 후보 영역 생성
2. 각 영역별로 CNN 실행 → 2000번!
3. 결과 통합
시간: 50초 ❌

YOLO:
1. 이미지 전체에서 한 번에 분석
2. 모든 객체 위치 + 클래스 동시 출력
시간: 0.03초 ✅ (1000배 빠름!)
```

### 3-2. YOLO의 작동 원리

**개념:**

```
이미지를 S×S 그리드로 분할 (예: 7×7)

각 셀에서:
- 객체가 있는가?
- 객체 위치는? (바운딩 박스)
- 객체 클래스는?
를 동시에 예측

예:
[0.9, 50, 50, 200, 200, "cat"]
└─ └────────────────┘ └─────
   확률  바운딩박스   클래스
```

**Python 구현 (YOLOv5):**

```
import torch
import cv2

# YOLOv5 로드
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')

# 이미지 읽기
img = cv2.imread('street.jpg')

# 객체 탐지
results = model(img)

# 결과
results.print()
# 출력:
# image 1/1: 640x480, 5 detections, Results:
# car 0.92 [100, 50, 300, 250]
# person 0.88 [320, 150, 400, 400]
# traffic_light 0.95 [150, 20, 180, 80]

# 시각화
results.render()
cv2.imshow('YOLO', results.ims[0])
cv2.waitKey(0)
```

**성능:**

```
YOLO 진화:
- YOLOv1 (2016): 정확도 63%, 속도 45fps
- YOLOv3 (2018): 정확도 85%, 속도 35fps
- YOLOv5 (2020): 정확도 88%, 속도 140fps
- YOLOv8 (2023): 정확도 90%, 속도 105fps
- YOLOv11 (2024): 정확도 92%, 속도 110fps

성능 향상: 정확도 63% → 92% (46% 향상!)
```

### 3-3. 실시간 적용

**자율주행 (Tesla):**

```
초당 65프레임 처리

각 프레임에서:
- 차선 감지 ← 이미지 분할
- 신호등 탐지 ← YOLO
- 보행자 탐지 ← YOLO
- 다른 차 탐지 ← YOLO
시간: 15ms (매우 짧음)
```

**CCTV 감시:**

```
실시간 감시 시스템

기능:
- 침입자 감지
- 폭력 행위 감지
- 물체 낙하 감지

정확도: 95%+
오경보: <1%
```

---

## 4. 얼굴 인식 기술의 원리

### 4-1. 얼굴 인식 과정

**5단계:**

```
1. 얼굴 감지 (Face Detection)
   입력 이미지에서 "얼굴이 있는 부분" 찾기

2. 정규화 (Normalization)
   얼굴을 표준 크기/각도로 정렬

3. 특징 추출 (Feature Extraction)
   눈, 코, 입 등의 특징을 수치화 (임베딩)

4. 매칭 (Matching)
   데이터베이스의 얼굴과 비교

5. 인증 (Authentication)
   "같은 사람인가?" 판단
```

**상세 과정:**

```
# 1. 얼굴 감지
import cv2
import dlib

face_detector = dlib.get_frontal_face_detector()
img = cv2.imread('person.jpg')
faces = face_detector(img, 1)  # 1 = 업샘플링 1회

print(f"감지된 얼굴: {len(faces)}개")

# 2. 정규화
for face in faces:
    x1, y1, x2, y2 = face.left(), face.top(), face.right(), face.bottom()
    face_img = img[y1:y2, x1:x2]
# 크기 조정, 회전 교정
    face_img = cv2.resize(face_img, (224, 224))

# 3. 특징 추출 (FaceNet, ArcFace 등)
from facenet_pytorch import InceptionResnetV1

model = InceptionResnetV1(pretrained='vggface2')
embeddings = model(face_img)  # 512차원 벡터

print(f"얼굴 임베딩: {embeddings.shape}")
# 얼굴 임베딩: torch.Size([1, 512])

# 4. 매칭 (유클리디안 거리)
import numpy as np

embedding1 = model(face1)  # (512,)
embedding2 = model(face2)  # (512,)

distance = np.linalg.norm(embedding1 - embedding2)
print(f"거리: {distance:.2f}")

# 5. 인증
threshold = 0.6
is_same_person = distance < threshold

if is_same_person:
    print("✅ 본인 확인됨")
else:
    print("❌ 다른 사람")
```

### 4-2. 얼굴 인식 알고리즘

**전통 방식:**

```
1. HOG (Histogram of Oriented Gradients)
   - 경계선 방향을 분석
   - 정확도: 70~80%

2. Eigenfaces
   - 얼굴을 수학적 벡터로 변환
   - 정확도: 75~85%
```

**현대 (딥러닝):**

```
1. CNN 기반
   - VGGFace, ResNet 기반
   - 정확도: 95~99%

2. Siamese Network
   - 두 개의 동일 CNN이 서로 다른 얼굴 비교
   - 손실함수: Triplet Loss
   - 정확도: 99%+

3. Transformer 기반
   - Vision Transformer (ViT)
   - 장거리 의존성 학습
   - 정확도: 99.5%+
```

### 4-3. 응용

**iPhone Face ID:**

```
기술: Secure Enclave + TrueDepth 카메라 + CNN

과정:
1. 3D 깊이 센서로 얼굴 스캔
2. 30,000개 점으로 얼굴 모델 생성
3. CNN이 특징 추출
4. 저장된 템플릿과 비교

정확도: 99.9% (오류율 1/1,000,000)
속도: 0.1초
```

**공항 출입국:**

```
기술: CCTV + 고속 YOLO 기반 얼굴 탐지 + CNN 인식

성능:
- 정확도: 98%+
- 처리 속도: 0.5초/사람
- 한 시간에 3,000명 처리 가능

효과:
- 수동 심사 인력 50% 감소
- 처리 시간 30% 단축
```

---

## 5. 의료 영상 분석과 AI 진단

### 5-1. 의료 AI의 성능

**현황:**

```
의료 영상 분석 AI가 드디어 의사를 넘음!

AUROC (진단 정확도):
- AI 모델: 0.78
- 주니어 의사: 0.65 ← AI가 우위!
- 시니어 의사 (10년+): 0.80 ← AI가 거의 같은 수준

결론: AI는 현재 "경험 많은 의사 수준"
```

**실제 사례 (MRI 무릎 진단):**

```
데이터셋: 무릎 MRI 영상 50,000개

AI 모델:
- 구조: 3D CNN + Attention
- 정확도: 0.78 (AUROC)
- 오진율: 2%

의사들의 반응:
- 주니어: "AI가 뭔가 놓친 게 있나 확인했는데 정확함"
- 시니어: "내 진단과 비슷한 수준"

혼합 진단 (의사 + AI):
- 정확도: 0.79 (의사 단독 0.73 → 8% 향상)
- 시간: 30% 단축
```

### 5-2. 의료 AI 기술

**핵심 기술:**

```
1. 이미지 분석
   - CNN: 2D X-ray 분석
   - 3D CNN: CT, MRI 볼륨 분석
   - 정확도: 95%+

2. 영상 분할
   - U-Net: 장기 경계 자동 감지
   - Mask R-CNN: 종양 영역 분할
   - 정확도: 92%+

3. 시계열 분석
   - LSTM: 환자 치료 과정 추적
   - 예측: 악화 위험도 예측

4. 멀티모달 학습
   - 영상 + 환자 메타데이터 (나이, 증상)
   - 정확도: 95%+
```

**예시: 폐암 조기 진단**

```
import torch
import torchvision.models as models

# 의료 AI 모델 로드 (폐암 CT 분석)
model = models.resnet50(pretrained=True)
model.fc = torch.nn.Linear(2048, 2)  # 정상/폐암 2진 분류

# CT 영상 (512×512)
ct_image = torch.randn(1, 3, 512, 512)

# 추론
with torch.no_grad():
    output = model(ct_image)
    probabilities = torch.softmax(output, dim=1)

print(f"정상 확률: {probabilities[0, 0]:.2%}")
print(f"폐암 확률: {probabilities[0, 1]:.2%}")
# 정상 확률: 2.3%
# 폐암 확률: 97.7% ← 종양 감지!

# 의사에게 알림
if probabilities[0, 1] > 0.95:
    print("⚠️ 종양 의심 - 즉시 전문의 진료 필요")
```

### 5-3. 의료 AI의 현황과 미래

**현황 (2024-2025):**

```
✅ 이미 임상 사용 중:
- 폐 결절 검출 (96% 정확도)
- 유방암 스크리닝 (94% 정확도)
- 당뇨 망막증 진단 (95% 정확도)
- 피부암 진단 (92% 정확도)

🚀 곧 출시:
- 뇌 종양 분할
- 심장 질환 예측
- 알츠하이머 조기 진단
```

**미래 전망:**

```
2025: AI가 일부 의료 분야에서 의사 대체
      (CT 판독, 기초 스크리닝)

2030: AI + 의사 협업이 표준
      "의사 1명 + AI 1대 = 의사 3명 효율"
      (판독 속도 40%, 정확도 8% 향상)

2035: AI가 모든 의료 이미지 분석 담당
      (의사는 치료 결정에 집중)
```

---

## 6. 실생활 응용과 미래

### 6-1. 현재 응용

**자율주행 (Tesla, Waymo):**

```
기술: YOLO 기반 실시간 객체 탐지

감지 대상:
- 차선 (이미지 분할)
- 신호등 (객체 탐지)
- 보행자 (YOLO)
- 다른 차 (YOLO)

성능:
- 정확도: 99%+
- 속도: 65fps (매우 빠름)
- 안전성: 인간 운전자 대비 10배 안전
```

**스마트폰 카메라:**

```
기능:
1. 얼굴 인식 (Face ID)
   - 정확도: 99.9%

2. 야간 모드
   - 이미지 강화 (CNN)

3. 배경 흐림
   - 이미지 분할로 배경 감지

4. 번역 (카메라로 스캔)
   - OCR + 번역
```

**소매업 (아마존 고):**

```
기술: YOLO 기반 재고 관리

동작:
1. 고객이 선반에서 물품 집음 (YOLO 감지)
2. 무게 센서로 확인
3. 자동 결제

정확도: 98%
속도: 실시간
```

### 6-2. 미래 전망 (2025-2030)

**컴퓨터 비전의 미래:**

```
1. 멀티모달 AI
   - 비전 + 텍스트 (GPT-4V처럼)
   - 비전 + 음성 (GPT-4o처럼)
   - 정확도: 99%+

2. 3D 비전
   - 2D 이미지에서 3D 모델 재구성
   - 응용: 증강현실, 로봇

3. 비디오 이해
   - 동영상에서 "무슨 일이 일어났는가" 이해
   - 응용: 감시, 스포츠 분석

4. 자동 주석
   - 웹사이트 자동으로 이미지 설명 생성
   - 시각 장애인 지원

5. 의료 AI 확대
   - 모든 의료 이미지 자동 분석
   - 질병 예측 (초기 진단)
```

---

## FAQ: 컴퓨터 비전 Q&A

### Q1. 컴퓨터 비전과 자연어처리의 차이는?

**A.** **같은 Transformer 기반이지만 용도가 다릅니다:**

```
자연어처리 (NLP):
- 입력: 텍스트 (토큰)
- 모델: BERT, GPT (인코더/디코더)
- 출력: 텍스트 또는 분류

컴퓨터 비전:
- 입력: 이미지 (픽셀)
- 모델: CNN, Vision Transformer, YOLO
- 출력: 분류, 위치, 분할

공통점: 모두 Transformer 기반 발전
미래: 멀티모달 (둘 다 함께)
```

### Q2. CNN이 이미지에 왜 적합한가?

**A.** **이미지의 특성 때문입니다:**

```
이미지 특성:
1. 지역성 (Locality): 가까운 픽셀들이 관련
2. 계층성 (Hierarchy): 가장자리 → 도형 → 물체
3. 변환 불변성 (Translation Invariance): 어디든 인식

CNN이 이를 모두 해결:
1. 합성곱 (Convolution): 지역 패턴 추출
2. 다층 구조: 계층적 학습
3. 풀링 (Pooling): 위치 변화에 강함
```

### Q3. 실시간 처리는 어떻게 하나?

**A.** **세 가지 기법:**

```
1. 모델 경량화
   - YOLO-tiny: 93% 정확도, 330fps
   - MobileNet: 90% 정확도, 1000fps

2. GPU 가속
   - NVIDIA GPU 사용: 10배 빠름
   - ASIC (전용 칩): 50배 빠름

3. 양자화 (Quantization)
   - 32bit → 8bit 변환
   - 속도 4배 빠름, 정확도 거의 유지
```

### Q4. 의료 AI는 의사를 대체할까?

**A.** **대체하지 않고, 보완합니다:**

```
현황:
- AI: 이미지 분석 (95%+ 정확도)
- 의사: 환자 상태 종합 판단

미래 (2030):
- AI: 기초 스크리닝 담당
- 의사: 치료 결정 담당

효과:
- "의사 1명 + AI = 의사 3명 효율"
- 진료 시간 40% 단축
- 정확도 8% 향상
```

---

## 최종 요약: 컴퓨터 비전의 위대함

**역사:**

```
1950s: "기계는 볼 수 있을까?"
1990s: 수작업 알고리즘 (75% 정확도)
2012: AlexNet (85% 정확도)
2025: 99%+ 정확도 달성
```

**현재 능력:**

```
✅ 이미지 분류: 99%+
✅ 객체 탐지: 92% (실시간)
✅ 얼굴 인식: 99.9%
✅ 의료 진단: 78% (전문의 수준)
✅ 자율주행: 99%+ 안전
```

**미래:**

```
2030: AI + 의료 협업 표준
2035: 모든 의료 이미지 자동 분석
2040: 완벽한 3D 이해 가능

결론: "AI가 세상을 보기 시작했고, 곧 더 잘 볼 것입니다"
```

---

## 외부 참고 자료

컴퓨터 비전을 더 깊게 배우고 싶다면:

- [arXiv – ImageNet-winning Convolutional Networks](https://arxiv.org/abs/1409.1556) – VGGNet
- [arXiv – You Only Look Once](https://arxiv.org/abs/1506.02640) – YOLO
- [OpenCV 공식](https://opencv.org/) – 컴퓨터 비전 라이브러리
- [PyTorch Vision](https://docs.pytorch.org/vision/stable/index.html) – 사전학습 모델
- [TensorFlow Object Detection](https://github.com/tensorflow/models/tree/master/research/object_detection)

---

## 같이보기

- [CNN – 이미지를 이해하는 AI의 비밀](https://doyouknow.kr/cnn-convolutional-neural-network-image-recognition/)
- [CNN과 RNN의 결합 – 복합 모델의 무한한 가능성](https://doyouknow.kr/cnn-lstm-hybrid-model-video-classification/)
- [YOLO v1 완벽 분석: “한 번만 봐도 된다”는 AI의 자신감, 컴퓨터 비전 혁명의 시작!](https://doyouknow.kr/yolo-v1-object-detection-revolution/)

### 관련된 글:

1. [[AI 101] CNN – 이미지를 이해하는 AI의 비밀](https://doyouknow.kr/cnn-convolutional-neural-network-image-recognition/)
2. [YOLO v1 완벽 분석: “한 번만 봐도 된다”는 AI의 자신감, 컴퓨터 비전 혁명의 시작!](https://doyouknow.kr/yolo-v1-object-detection-revolution/)
3. [CNN 완전 정복: 합성곱 신경망이 이미지를 이해하는 원리](https://doyouknow.kr/cnn-convolutional-neural-network-image-recognition2/)
4. [CNN의 시대가 끝났다? Vision Transformer (ViT)가 이미지를 보는 새로운 방식: Self-Attention부터 CLIP, SAM까지!](https://doyouknow.kr/vision-transformer-vit-cnn-self-attention-clip-sam-guide/)

### 답글 남기기 [응답 취소](/computer-vision-image-classification-object-detection-yolo/?t=1787615177#respond)