4차먹거리혁명의 시대

음식서비스 인적자원개발위원회(음식ISC)는 건강보험공단이 배포한 ‘2020 알고 싶은 건강생활 정보’를 인용, 지난 2018년 일반 건강검진을 받은 1508만 여명의 검진 결과를 짚어보았다. 그 결과 한국인의 평균 비만율이 2016년 30.5%에서 2018년 32%로 늘었고, 같은 기간 고도비만율은 5.1%에서 6.1%로 증가했음을 확인할 수 있었다.

이에 음식 서비스 분야 인적자원 개발의 허브(hub) 역할을 담당하는 음식ISC는, 4차 산업 시대 ‘스마트한 먹거리’의 캐치프레이즈로 단순한 ‘웰빙산업’을 넘어 정형화된 커리큘럼으로 무장한 ‘딥러닝’ 기술을 제시했다. 음식ISC는 딥러닝에 관한 설명과 국내 유수의 기업이 개발한 (딥러닝 베이스의) 음식인식 관련 기술 소개를 통해, ‘건강한 식습관’을 넘어 ‘스마트한 식습관’의 어젠더를 공유한다.

스마트폰이 우리의 일상에 스며든 지 10년의 시간이 흘렀다. 각종 요리 비법을 알려주는 요리 레시피 앱은 이미 대중화 된지 오래 이고, 사용자가 모바일에서 자신의 나이나 체중, 키 등 체격조건을 입력한 후 끼니마다 먹은 식사의 종류, 물의 양 등을 기록해 식단을 제어해주는 앱까지 등장했다.

이밖에도 걸음 수나 움직인 거리 등 사용자의 운동량을 체크해주는 데이터는 물론, 스마트워치(밴드)를 통해 걸음 수나 칼로리 소비량, 심박수 변화, 수면 중 뒤척임, (도보 시)손목의 스윙 스피드, 각도, 회전량까지 알려주는 기술이 상용화 되고 있다. 즉 스마트 기계가 개인의 식단과 건강을 관리해주는 컨설턴트의 역할을 대행하는 셈이다.

음식인식을 위해 삽입된 ‘식단 카메라’에는 음식 1,000여종의 정보가 삽입돼 있다. 이렇게 저장된 정보를 바탕으로 음식의 범위를 추출하고 이름을 인식해낸다. 국내 유수의 기업에서 개발한 이 프로그램은 딥러닝을 활용, 이를 통해 스마트한 식단조절을 영위한다.

먼저 데이터를 수집한다. 음식을 이름에 따라 목록 화한다는 것인데, 이 후 목록 화된 음식을 바탕으로 일정 기준에 따라 여과해낸다. 그 다음 기반모델을 가장 높은 성능의 인셉션으로 활용, 여기에 덧붙여 추가적인 업그레이드 기법을 탑재해 냈다.

여기에는 ‘오차의 최소화’가 수반돼야 한다. 이를 위해 최적화된 양질의 알고리즘이 작동된다. 아울러 라벨링 데이터 검수 시간을 줄이기 위해 레이블 스무딩 기법을 적용했다. 이 기법은 정답 범주의 인덱스만 1로 표현하고, 나머지는 일정한 값을 더하거나 빼는 등 다양한 범위의 인덱스에 값을 표시하는 방식이다.

모든 프로그램이 그러하겠지만, 딥러닝 역시 데이터가 쌓일수록 그 성능은 더욱 높아진다. 데이터의 양을 극대화시키지 위해 접목한 방식이 바로 ‘어그멘테이션’인데, 어그멘테이션이란 기존 이미지를 인위적으로 자르거나 뒤집음으로써 더 큰 데이터 삽입에 사용된다.

딥러닝의 학습률에는 가중치 선점 등 갱신범위 선택이 중요하다. 학습률이 저하되면 최고 성능에 이르는 시간이 현저히 낮아지기 때문이다. 반면 학습률이 오차범위를 넘어 높아지면, 자치 최소범위를 지나칠 수가 있다. 그렇기 때문에 손실값이 특정 범주마다 작아지지 않을 경우 기존 학습률의 절반으로 줄여나가는 방식을 채택했다.

추가 학습에 드는 시간과 비용을 줄이기 위해선 TTA(Test-Time-Augmentation)기법을 적용한다. 이를 통해 상극의 어그멘테이션 기법을 적용한 학습 모델을 융합한 것과 대동소이한 수준의 성능 향상을 기대하고 있다.

딥러닝은 컴퓨터이다. 더 정확히 말하면 선견지명을 갖고, 시스템을 창조해가는 컴퓨터를 의미한다. 기존 데이터에 데이터가 지닌 상관관계를 분석, 최적화된 결과값을 예측해내는 딥러닝 기술은 금융과 의료, 바이오 등 전 산업을 아우르며 활발한 기술력을 선보이고 있다.

양질의 딥러닝 기술을 발현하고자 한다면 연관규칙, 유형, 감정 등의 분석 프로그램을 다룰 줄 알아야 한다. 쉽게 말해 상관관계를 찾고, 범위를 지정하며, 감정을 분석하는 일련의 과정이 요구된다는 것이다.