인지지능 소프트웨어 목표사양
📌 개요
- 인지지능(Perception Intelligence) = 센서 데이터에서 의미를 추출하는 지능 — 이 픽셀 덩어리가 컵인지, 저 점군이 사람인지 알아내는 일
- 인지는 본질적으로 확률적 → "가끔 틀린다"를 전제로 얼마나 맞아야 하고 틀리면 어떻게 되는지를 목표사양으로 정의
- 출제 포인트: 혼동 행렬과 정밀도(Precision)·재현율(Recall)의 계산·구분 · 미검출 vs 오검출의 위험 비대칭 · 동작 조건 명시
📖 핵심 개념
인지지능이 하는 일
- 검출(Detection): 있는가, 어디에 있는가 — 사람 검출, 물체 위치 파악
- 분류(Classification): 무엇인가 — 컵/접시/캔 구분
- 자세·상태 추정: 어떤 방향으로 놓였는가(파지에 필수), 사람의 자세
- 환경 이해: 주행 가능 영역, 장애물 지도 (→ 이동로봇 지도 작성)
혼동 행렬 (Confusion Matrix) — 평가의 출발점 (시험 단골)
"사람 검출"을 예로, 실제와 판정의 조합 네 가지:
| 실제 있음 | 실제 없음 | |
|---|---|---|
| 검출함 | TP (참 양성 — 옳음) | FP (거짓 양성 — 오검출) |
| 검출 못함 | FN (거짓 음성 — 미검출) | TN (참 음성 — 옳음) |
정밀도와 재현율 (계산 단골)
- 정밀도(Precision) = TP / (TP + FP): 검출했다고 한 것 중 진짜의 비율 — "늑대다!"라고 외친 것 중 진짜 늑대 비율. 오검출(FP)이 많으면 하락
- 재현율(Recall) = TP / (TP + FN): 실제 있는 것 중 잡아낸 비율 — 실제 늑대 중 알아챈 비율. 미검출(FN)이 많으면 하락
- F1 점수: 정밀도·재현율의 조화평균 — 둘의 균형 지표
- 둘은 트레이드오프: 검출 문턱값을 낮추면(민감하게) 재현율↑·정밀도↓, 높이면 그 반대
어느 쪽 오류가 치명적인가 — 응용별 비대칭 (시험 포인트)
- 안전 기능(사람 감지 정지): 미검출(FN)이 치명 — 사람을 못 보면 사고. 재현율을 최우선으로, 오검출(불필요한 정지)은 감수
- 선별 작업(불량품 제거): 목적에 따라 다름 — 불량 유출이 치명이면 재현율, 양품 폐기 비용이 크면 정밀도
- 목표사양에는 "정확도 95%" 한 줄이 아니라 정밀도·재현율을 따로, 응용의 위험 구조에 맞게 정한다
인지지능 목표사양의 구성
목표사양의 3대 요건(정량·조건·달성 가능)은 여기서도 동일하며, 인지 특유의 항목이 추가된다.
- 인식 대상 정의: 클래스 목록(컵·접시·캔), 크기·재질 범위, 제외 대상
- 성능 목표: 클래스별 정밀도·재현율(예: 사람 검출 재현율 99.5% 이상), 위치 오차(±1 cm), 자세 오차(±5°)
- 처리 속도: 프레임률(10 fps 이상), 지연(입력→결과 200 ms 이내) — 실시간 회피의 전제
- 동작 조건(중요): 조도 범위, 거리 범위(0.5~5 m), 가림(occlusion) 허용 정도, 배경 조건 — 조건 밖에서는 성능을 보장하지 않음을 명시하는 것이 오히려 정직한 사양이다 (→ 센서 및 구동장치의 성능환경 분석)
- 평가 방법: 평가 데이터셋(수량·다양성), 판정 기준(IoU 등 겹침 기준은 개념만), 시행 횟수
신뢰도와 불확실성의 처리
- 인지 결과에는 신뢰도(confidence) 가 따라온다
- 목표사양에 신뢰도 문턱값과 애매할 때의 행동도 정의 — 신뢰도가 낮으면 재관측(다시 보기)·감속·사람에게 확인 요청
- "모르면 안전한 쪽으로" 가 로봇 인지의 설계 원칙
📊 다이어그램 · 수식
정밀도와 재현율
예: 실제 사람 100명 중 95명 검출(TP=95, FN=5), 오검출 5건(FP=5) → Precision = 95/100 = 95%, Recall = 95/100 = 95%
문턱값에 따른 트레이드오프
flowchart LR
TH1["문턱값 낮춤
(민감하게)"] --> R1["재현율 ↑ (놓침 감소)
정밀도 ↓ (오검출 증가)"]
TH2["문턱값 높임
(보수적으로)"] --> R2["정밀도 ↑ (오검출 감소)
재현율 ↓ (놓침 증가)"]
R1 --> S["안전 기능: 재현율 우선
(사람을 놓치면 안 됨)"]🎯 핵심 요약 · 암기 포인트
✏️ 예상문제
1. 사람 검출기에서 "실제로 사람이 있는데 검출하지 못한" 경우를 가리키는 용어는?
① TP(참 양성) ② FP(거짓 양성) ③ FN(거짓 음성) ④ TN(참 음성)
정답 및 해설
정답: ③ 있는데 못 잡은 것이 FN(미검출), 없는데 잡은 것이 FP(오검출)다. 안전 기능에서는 FN이 사고로 직결되므로 재현율(FN을 줄이는 지표)이 최우선이 된다.
2. 검출 결과 100건 중 진짜가 90건(TP=90, FP=10)이고, 실제 존재는 120건이었다(FN=30). 정밀도와 재현율은?
① 정밀도 90%, 재현율 75% ② 정밀도 75%, 재현율 90% ③ 정밀도 90%, 재현율 90% ④ 정밀도 75%, 재현율 75%
정답 및 해설
정답: ① Precision = TP/(TP+FP) = 90/100 = 90% Recall = TP/(TP+FN) = 90/(90+30) = 90/120 = 75% "검출한 것 기준"이 정밀도, "실제 있는 것 기준"이 재현율 — 분모가 무엇인지가 핵심이다.
3. 사람을 감지하면 정지하는 안전 기능의 인지 목표사양으로 가장 적절한 방향은?
① 오검출을 없애기 위해 문턱값을 최대한 높인다 ② 미검출(FN) 최소화를 최우선으로 재현율 목표를 높게 잡고, 오검출로 인한 불필요 정지는 감수한다 ③ 정밀도와 재현율을 모두 무시하고 처리 속도만 높인다 ④ 성능 지표 없이 "잘 감지한다"로 기술한다
정답 및 해설
정답: ② 안전 기능에서 사람을 놓치는 것(FN)은 사고, 오검출(FP)은 불편이다 — 위험이 비대칭이므로 재현율을 우선한다. 문턱값을 높이면(①) 오검출은 줄지만 미검출이 늘어 정반대의 설계가 된다.
4. 인지지능 목표사양에 동작 조건(조도·거리·가림)을 명시하는 이유로 가장 적절한 것은?
① 문서 분량을 늘리기 위해 ② 조건에 따라 인지 성능이 크게 달라지므로, 보장 범위를 명확히 하고 검증 분쟁을 막기 위해 ③ 알고리즘 종류를 감추기 위해 ④ 조건 밖에서도 성능이 동일함을 보이기 위해
정답 및 해설
정답: ② 인지 성능은 환경 조건의 함수다. "재현율 99%"가 어떤 조도·거리에서의 값인지 없으면 검증할 수 없고, 조건 밖 성능을 보장하지 않음을 명시하는 것이 정직하고 안전한 사양이다.
5. 검출 문턱값(threshold)을 낮췄을 때 일어나는 변화로 옳은 것은?
① 재현율과 정밀도가 모두 오른다 ② 재현율은 오르고 정밀도는 내린다 ③ 재현율은 내리고 정밀도는 오른다 ④ 두 지표 모두 변하지 않는다
정답 및 해설
정답: ② 문턱값을 낮추면 애매한 것까지 검출로 판정해 놓침(FN)은 줄고(재현율↑) 오검출(FP)은 는다(정밀도↓). 두 지표는 트레이드오프 관계이며, 응용의 위험 구조에 맞춰 문턱값을 정한다.
🔗 관련 노트
- 인지지능 알고리즘 설계 — 목표를 달성하는 알고리즘
- 작업지능 소프트웨어 목표사양 — 목표사양의 일반 원칙
- 센서 및 구동장치의 성능환경 분석 — 환경 조건과 센서 성능
- 센서 종류 — 인지의 입력이 되는 센서
- 이동로봇 충돌회피 — 인지 성능이 좌우하는 안전 기능
- _MOC 지능소프트웨어