산업 안전 AI 개선을 위한 합성 데이터 활용법

산업 안전 AI 개선을 위한 합성 데이터 활용법

도입

현대 산업 현장에서의 안전은 무엇보다 중요하며, 이를 위해 많은 기업이 인공지능(AI)을 활용하고 있습니다. 특히, 자동화된 기계가 배치된 작업장에서의 AI 활용은 산업 안전을 크게 향상시킬 수 있습니다. 하지만, 안전 관련 AI 시스템을 훈련하는 데 필요한 데이터의 부족은 큰 도전 과제가 되고 있습니다. 본 포스팅에서는 AWS의 Amazon SageMaker AI를 활용한 합성 데이터 생성 및 라벨링 자동화를 통해 이러한 문제를 해결하는 방법을 알아보겠습니다.

본문

합성 데이터 생성과 자동 라벨링의 필요성

산업용 AI 시스템에서 사람을 정확히 감지하기 위한 훈련 데이터가 부족한 것은 안전상의 큰 위험 요소입니다. 안전과 윤리적 문제로 인해, 실제 위험 상황을 재현하여 데이터를 수집하는 것은 매우 어렵습니다. 이에 대한 대안으로 합성 데이터를 생성하는 방법이 떠오르고 있습니다.

Amazon SageMaker AI와 Amazon Rekognition을 활용한 솔루션

AWS의 Amazon SageMaker AI와 Amazon Rekognition을 활용하여 실제 이미지에 합성된 인물을 삽입함으로써, 위험한 작업 환경에 대한 훈련 이미지를 생성하는 방법을 제안합니다. 두 단계의 합성 데이터 증강 파이프라인이 적용됩니다.

1. 사람 삽입을 위한 사진 합성: Amazon SageMaker AI의 Qwen-Image-Edit-2509 모델을 사용해 실제 장면에 합성된 인물을 삽입합니다.
2. 라벨링 자동화: Amazon Rekognition의 DetectLabels API를 통해 인물에 대한 경계 상자를 자동으로 생성하여 라벨링을 수행합니다.

이 방식은 실제 장면의 배경을 유지하면서, 기계적 처리 과정을 통해 더욱 자연스러운 학습 데이터를 생성할 수 있는 장점을 가지고 있습니다.

결론

본 글에서 소개한 방법론을 통해 합성 데이터를 효과적으로 사용하여 산업 안전 AI 시스템의 정확도를 크게 향상시킬 수 있었습니다. 특히, 데이터 부족 문제를 해결하고, 훈련 시간을 단축하며, 안전하게 데이터를 확보하는 데 큰 기여를 하였습니다. 이러한 방식을 활용함으로써, 다양한 산업 분야에서의 AI 활용도를 더욱 높일 수 있을 것입니다.

[1] 원본 URL: AWS 블로그 게시물 링크