동물상 분석의 과학적 원리
동물상 테스트는 단순한 무작위 분류가 아닙니다. 최첨단 컴퓨터 비전과 딥러닝을 활용하여 얼굴의 기하학적 구조를 분석하고 6가지 동물상 유형 중 하나로 분류합니다. 정확히 어떻게 작동하는지 알아보겠습니다.
단계별 AI 작동 원리
1단계 — 이미지 로딩
사진을 업로드하면 JavaScript File API를 사용하여 브라우저 메모리에 직접 로드됩니다. 이미지는 처리를 위해 HTML5 Canvas 요소에 그려집니다. 어떤 경우에도 이미지는 서버로 전송되지 않습니다.
2단계 — 전처리
이미지는 신경망 모델의 입력 크기(224×224픽셀)로 조정되고 정규화됩니다. 이 전처리 과정은 원본 사진 크기에 관계없이 일관된 분석을 보장합니다.
3단계 — 신경망 추론
브라우저에서 머신러닝 추론을 실행하는 JavaScript 구현체인 TensorFlow.js를 사용합니다. 모델은 Google Teachable Machine을 통해 훈련된 합성곱 신경망(CNN)입니다. 얼굴 이미지의 공간적 패턴을 분석하여 특징 벡터로 매핑합니다.
4단계 — 분류
모델의 최종 레이어는 소프트맥스 활성화 함수를 사용하여 강아지상, 고양이상, 말상, 너구리상, 코알라상, 판다상 6가지 클래스에 대한 확률 점수를 출력합니다. 가장 높은 확률의 클래스가 주 결과로 표시됩니다.
5단계 — 결과 표시
결과는 브라우저에 즉시 표시되며, 얼굴 유형의 특징과 성격 연상에 대한 설명이 함께 제공됩니다. 이 과정에서 어떤 데이터도 기기를 벗어나지 않습니다.
AI가 분석하는 얼굴 특징
CNN 모델은 다음을 포함한 특징들의 조합을 식별합니다:
- 눈 모양과 각도: 둥근형 vs. 아몬드형; 수평 vs. 올라간 눈꼬리
- 턱선과 턱 형태: 부드럽고 둥근 윤곽 vs. 각지고 V라인 구조
- 얼굴 비율: 얼굴 너비 대 길이 비율, 중안부 대 하안부 비율
- 코 다리: 코 다리의 너비, 높이, 뚜렷함
- 광대뼈 돌출도: 높고 뚜렷한 광대 vs. 부드럽고 낮은 위치
- 이마 형태: 둥근/돔형 vs. 넓은/평평한 형태
정확도와 한계
모델은 좋은 조명 조건과 정면 사진에서 잘 작동합니다. 다음 요소들이 정확도에 영향을 줍니다:
- 사진 각도 (측면 사진은 덜 정확한 결과를 제공)
- 조명 품질 (강한 그림자는 얼굴 윤곽을 왜곡)
- 사진 해상도 (저화질 이미지는 정확도 저하)
- 수염, 안경, 액세서리 등으로 얼굴 특징이 가려지는 경우
기술 스택
- TensorFlow.js: 브라우저 기반 머신러닝 추론
- Google Teachable Machine: 모델 훈련 플랫폼
- HTML5 Canvas: 이미지 전처리
- JavaScript File API: 로컬 파일 처리 (업로드 없음)
🔒 프라이버시 보장: 전체 파이프라인이 브라우저에서 실행되므로 사진 데이터는 절대 기기를 벗어나지 않습니다. 서버 업로드, 얼굴 데이터 저장, 생체 인식 데이터 수집이 전혀 없습니다.