AI 미술 치료 관련 플랫폼
- 아맘때 (아이 마음이 궁금할 때)
연령대: 만 7~12세의 초등학생을 둔 부모
목표: 주기적으로 심리상담 결과를 기록하여, 아동의 심리를 건강하게 만드는 것
→아동이 직접 그려 아동의 마음을 대변하는 아동 미술 치료와 부모가 진행하는 다양한 설문 형태의 검사를 결합해 보다 정확한 아동 심리를 분석하는 상품도 함께 개발하고 있음
AI 활용: 7000명 이상 아동 그림 데이터를 수집해 가공한다. 이를 기반으로 매우 높은 정확도로 아동의 그림을 분석한다
주요 기능
(1)센터찾기
(2)여러 미술치료(CBCL, PAT 검사 등 대부분 유료검사)
(3)전문가의 미술치료 관련 매거진
(4)커뮤니티 기능 활성화
- "심(心)터"
소개: 2022년, AI기반 비대면 아동 미술 심리 분석 플랫폼
→딥러닝을 기반으로 AI를 통해 아동의 그림들을 분석하여, 심리 상담으로 연계하는플랫폼
인공지능을 통해 HTP그림을 분석한다.
이때, 집, 남자사람, 여자사람, 나무를 직접 연필이나 색연필 등의 미술도구로 그린 그림을 사진을 찍어 jpg 파일로 업로드하여 분석한다. →각각 4번 업로드한다.
아동의 심리분석에 있어서 분석에 드는 막대한 비용과 시간을 감소.
비대면임
→ 접근성 높임!!
→ 실제 검사는 한 종이에 다 그리는 건데, 따로따로 업로드를 하는 게 의미가 있는가?
→ 하나의 그림에서 여러 객체를 탐지하고 관계를 파악하는 게 중요할 듯
→ 객체 종류의 한계?
<논문 REVIEW>
논문 제목 : 아동그림심리분석을 위한 인공지능기반객체탐지알고리즘응용
서론: 면적, 상대적인 그림 위치, 색 사용 정보 등의 추가적인 그림정보는 아동의 내적성향이 반영되어 보다 세밀한 심리분석이 가능하다
- 학습데이터 생성
- (주)TnF.AI에서 제공한 아동 그림, 이미지 데이터를 5,000장을 학습에 사용하였다.
- 스캔 파일과 아동 그림을 카메라로 찍은 사진 파일로 두 가지의 타입으로 구성되었다. 이때, 이미지 전처리 (모든 사진 파일의 경우 학습에 방해가 될 수 있는 그림 영역 외의 불필요한 배경을 제거)
- 전체 데이터 셋의 80%인 4,000장을 trainging data set, 나머지 1,000장을 test data set으로 사용
- LabelImg을 이용하여 객체를 찾고 경계 상자(bounding box)를 지정하여 XML(eXtensible Markup Language) 파일 형태로 저장하였다.
- 집, 사람, 나무 뿐만 아니라, 해, 구름, 꽃 등 여러 객체도 설정하여 탐지함.
- 아동 그림 객체 탐지
논문에서는 Detectron2를 사용해 학습 및 모델 추론을 진행.
→ 객체 탐지(ObjectDetection)와 형상 세분화(Semantic Segmentation)기능 및
자세 검출(Densepose), 특징점 검출(Keypoint), 추론엔
이는 대표적인 객체 탐지모델인 Faster-R-CNN 모델을 기반으로 개발되었으며 COCO 데이터 셋으로 사전 학습된(전이학습?) 모델을 사용하여 학습 성능을 향상 시킴 !!
→그림 이미지를 입력하면 차례로 객체 종류의 유무, 그림에 사용한 면적 및 위치, 색 사용 정보를 추출할 수 있도록 알고리즘 구현
→ 최종적으로 분석한 아동 그림 정보와 어울리는 심리 문구를 연계하여, 사용자가 심리 분석 결과를 알 수 있도록 설계하였다. 사용자와 서버 간 자원 요청 및 응답은 Python Flask 기반 RESTAPI 서비스를 활용하여 수행, 데이터 형식은 이미지 PNG 파일과 분석정보가 포함된 JSON 파일로 구성
→ 그림의 면적 및 위치 : 객체가 탐지된 부분은 1, 나머지 면적은 0으로 설정하여 이진화 이미지를 생성하였다. 이진화 이미지를 기반으로 그림 면적/전체 이미지크기 비율을 계산하였고 이와 비슷하게 이진화 이미지의 무게중심을 좌표를 구해 상대적인 그림 위치 비율을 계산하였다
→ 색 사용 정보 분석 : 화이트 밸런스(Whitebalance) 과정을 수행하여 최대한 원색으로 표현할 수 있도록 구분하였고(사진을 입력받았으므로 밝기에 큰 영향을 받는다), 이후 이미지를 HSV 색 공간으로 변환하여 색상추출에 용이하도록 수행하였다.
** HSV 색 공간은 색상(Hue),채도(Saturation), 명도(Value)의 좌표를 사용해서 특정한 색을 지정하는 방법으로 인간의 색인식에 기반을 둔 색상 모델이다.
이후 색상 종류를 9가지로 분류함.