15분만에 완성한 견과류 판별 머신러닝 모델 - Teachable Machine 후기

Teachable Machine(티처블 머신) 3줄 요약

• 구글에서 만든 초간단 노코드 기반의 인공지능 구현 서비스
• 현재 이미지, 오디오, 포즈 프로젝트의 머신러닝 모델 생성 가능
• 전문지식이 없더라도 간단한 머신러닝을 통해 모델을 구현하면서 학습 가능

Teachable Machine(티처블 머신)은 갓구글에서 만든 초간단 노코드 기반의 인공지능 구현 서비스이다.

지난번에 Teachable Machine으로 이미지 프로젝트를 만드는 내용에 대해 이 글의 가장 하단에 있는 링크에서 다뤘었는데, 오늘은 Teachable Machine에서 제공중인 이미지, 오디오, 포즈 프로젝트 중에서 '이미지 프로젝트'를 활용한 후기를 써보고자 한다.

 

 

 

Teachable Machine으로 만든 견과류 판별기 미리보기

Teachable Machine으로 만든 (초간단) 견과류 판별기

 

이렇게 초간단 견과류 판별 머신러닝 모델을 만들 수 있다. 인공지능이나 컴퓨터 개발에 대한 전문지식이 없더라도 간단하게 이미지 분류 모델을 구현해볼 수 있다는 점이 특장점이다.

실제로 이 글에서 소개하는 견과류 판별기를 만드는 과정도 굉장히 신속하게 이루어졌다.

 

위와 같이 각 견과류(아몬드, 캐슈넛, 피스타치오) 예시를 입력해줌으로써 머신러닝 모델을 만들고, 견과류를 웹캠에 비춰보면서 내가 만든 모델이 이 견과류를 잘 인식하는지 바로 체크해볼 수 있다.

 

 

 

1. 모으기 (Gather): 샘플 데이터 입력

샘플 데이터 입력을 위해 Class 1에 아몬드 사진 업로드

 

먼저 첫번째 모으기 과정에서 클래스(Class)별로 구분해야 하는 이미지를 입력한다. 각 클래스의 이름을 아몬드, 캐슈넛, 피스타치오로 구분했고, 웹캠을 통해 실제로 가지고 있는 견과류를 찍어서 업로드했다.

 

처음에 50개 정도의 각 견과류 이미지를 입력했었는데 결과물의 퀄리티가 조금 더 향상되었으면 좋겠다는 생각이 들어서 다시 추가해서 각 클래스별로 200개 이상의 이미지를 업로드했다. 웹캠을 통해서 빠르게 입력이 가능했고, 여러 각도와 견과류의 껍질이 약간 벗겨진 부분 등 다양한 예시를 입력하려고 노력했다.

 

 

 

2. 학습 (Training): 머신러닝 학습시키기

학습 시간은 클래스에 입력한 이미지의 수 등에 따라 약간 차이가 날 수 있다.

 

이미지를 각 클래스별로 다 올렸다면 '모델 학습시키기(Train Model)'를 눌러서 컴퓨터가 스스로 내가 입력한 이미지들을 잘 분류할 수 있도록 학습할 때까지 대기해준다.

이 때 크롬에서 다른 창을 켰더니 창을 옮겨다니지 말라고 주의를 줘서 얌전하게 약 1분정도 화면을 움직이지 않고 기다려줬다.

 

 

 

3. 미리보기 (Preview): 머신러닝 모델 테스트

Teachable Machine으로 구현한 머신러닝 모델 테스트 결과

 

클래스 입력 단계에서 각 클래스에 아몬드, 캐슈넛, 피스타치오 이미지들을 입력했었다.

내가 학습시킨 Teachable Machine 결과물이 잘 나왔는지 테스트해보기 위해 모으기 단계에서 입력했던 것과 같은 종류의 견과류들을 내 작고 소중한 견과류 봉지에서 꺼내서 위와 같이 테스트를 돌려줬다.

 

일부러 아몬드 껍질이 약간 벗겨진 부분이나 캐슈넛이 반 쪼개진 부분 등을 웹캠에 입력해보았는데, 결론적으로 잘 인식해줘서 안심이 되었다. 피스타치오의 경우 특히 더 우려를 했었는데, 입력 과정에서 그을린 부분, 껍질이 약간 까져서 연두색 속이 약간 비친 부분 등의 경우를 고려해서 입력했어서 그런지 물체만 웹캠 렌즈에 가까이 가져다 놓으면 잘 인식하는 모습을 보여줬다.

 

 

 

4. 내보내기 (Export)

Teachable Machine 코드 업로드(링크 공유) 및 로컬 다운로드 등 선택 가능

 

의도했던 대로 머신러닝 모델이 잘 작동하는 것을 테스트했다면 이제 우측 상단의 '모델 내보내기(Export Model)' 버튼을 눌러준다. 간단하게 구현한 머신러닝 모델을 위와 같이 코드로 확인해볼 수 있다.

 

위의 코드를 업로드해서 링크로 공유할 수도 있고, 다운로드해서 로컬로 웹사이트를 제작해서 이 모델을 적용해볼 수도 있다.

 

 

 

Teachable Machine 후기 및 보완점

Teachable Machine 테스트 과정에서 물체가 웹캠에서 멀리 떨어진 경우 이미지를 잘 인식하지 못하는 경향

 

이번 Teachable Machine(티쳐블 머신)을 활용하면서 데이터 입력 면에서 더 보완할 점이 있었다. 이미 견과류의 껍질이 약간 벗겨진 부분이나 그을린 부분 등 여러가지 경우의 수를 입력했다고 생각했었지만, 화질 등만 생각했어서인지 입력 이미지에서 견과류가 다소 멀리 있는 사진들은 부족했던 것 같다.

그래서 위와 같이 웹캠 랜즈에서 견과류가 멀리 떨어져 있는 경우 아몬드, 캐슈넛, 피스타치오가 제대로 인식되지 못하는 아쉬운 점이 있었다. 데이터에 대해 배우면서도 얼마다 다양한 경우가 있을 수 있는지 다시 한 번 새삼 깨달았다.

 

이렇게 노코드로 간단하게 Teachable Machine(티쳐블 머신)을 활용해서 머신러닝 모델을 구현해봤다. 기술의 발달과 같은 매번 느끼는 것들 뿐만 아니라 방대한 지식을 요구하지 않더라도 다양한 방법으로 서비스를 구현해낼 수 있는 접근법이 이렇게 잘 발달되고 있다는 점이 특히 인상깊었고, 이를 통해 여러 서비스를 구현해낼 수 있는 가능성이 무궁무진하다는 것이 와닿았다.

 

제목처럼 제작 자체에는 정말 15분정도만 걸렸기 때문에 퀄리티가 좋거나 대단하다고 하기에는 굉장히 초라한 것이 사실이다. 하지만 코딩을 모르거나 인공지능에 대한 전문지식이 없는 분들이어도 티쳐블 머신을 통해 이 글처럼 다양한 머신러닝 모형을 제작해볼 수 있다는 점은 널리 퍼져 마땅한 이로운 정보라고 생각한다. 만약 Teachable Machine의 작동법 등에 대해 궁금하다면 아래 글을 통해 조금 더 일반적인 내용을 파악할 수 있다.

 

 

 

[Teachable Machine] 노코드 초간단 머신러닝 서비스 사용법