2nd/10_Wiki/Topics/Computer_Vision.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by
wiki-2026-0508-computer-vision	Computer Vision	10_Wiki/Topics	verified	self		none	A	0.92	uncategorized		2026-05-08	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

--- redirect_to: "데이터_사이언스_및_ML_엔지니어링" canonical_id: "wiki-2026-0507-029"

Redirect

이 문서는 Canonical 문서인 통합되었습니다. 모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.

📌 한 줄 통찰 (The Karpathy Summary)

컴퓨터 비전은 픽셀 입력을 의미 있는 객체·관계·맥락으로 변환하는 영역으로, CNN→Transformer 기반 모델 발전과 함께 분류·검출·세그멘테이션·생성의 4대 축으로 분화되어 왔다.

📖 구조화된 지식 (Synthesized Content)

추출된 패턴: 합성곱(CNN)이 공간적 지역성을, ViT가 글로벌 어텐션을 잡으면서 도메인별로 둘을 섞은 하이브리드(Swin, ConvNeXt)가 표준이 됨.

세부 내용:

• 분류(Classification): 이미지 → 단일 라벨. ImageNet 벤치마크가 생태계를 견인.
• 검출(Detection): 객체 박스 + 라벨. 2-stage(R-CNN 계열) vs 1-stage(YOLO/SSD/DETR)의 트레이드오프.
• 세그멘테이션(Segmentation): 픽셀 단위 라벨. Semantic / Instance / Panoptic 3단계.
• 생성(Generation): GAN→Diffusion으로 패러다임 이동. SD/DALL·E/Imagen 등.
• 자기지도(Self-supervised): SimCLR, MAE, DINO 같은 라벨 없이 표현 학습.

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: draft
• 출처 신뢰도: A
• 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

• 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
• 처리 방식: UPDATE (자동 정규화)
• 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 없음
• 정책 변화: 없음

🔗 지식 연결 (Graph)

• Parent: 10_Wiki/Topics
• Related: (TODO: 최소 2개)
• Opposite / Trade-off: (TODO)
• Raw Source: 직접 입력

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A