Custom Vision을 무료로 써볼 수 있나

가능하다. 무료 등급은 프로젝트 2개, 월 1시간 학습, 프로젝트당 최대 5,000장의 학습 이미지, 월 10,000회 추론을 초당 2건까지 허용한다. 유료 사용은 표준 등급으로 넘어간다.

인터넷 없이도 모델이 돌아가나

컴팩트 도메인에서 학습하면 된다. TensorFlow, CoreML, ONNX, Docker 컨테이너로 내보내 휴대폰, 엣지 기기, 서버에서 로컬로 실행한다. 표준 도메인 모델은 클라우드에 남는다.

분류와 객체 탐지는 어떻게 다른가

분류는 사진에 무엇이 있는지 알려준다. 탐지는 각 인스턴스가 어디에 있는지 상자로 표시한다. 개수를 세거나 위치를 확인하려면 탐지가 필요하고, 단순한 분류라면 분류 쪽이 비용이 적다.

Custom Vision에 API가 있나

있다. REST API와 .NET, Python, Java, Node.js 클라이언트 라이브러리가 프로젝트, 이미지, 태그, 학습, 추론을 다룬다. 웹 포털도 같은 엔드포인트를 쓴다.

Custom Vision 모델의 정확도는 어느 정도인가

데이터에 달렸다. 선명하고 라벨이 일관된 이미지가 라벨마다 수십 장 있으면 쓸 만한 결과가 나오는 편이다. 드문 라벨과 복잡한 장면은 훨씬 많은 데이터를 요구한다. 포털이 라벨별 정밀도와 재현율을 보여주므로 게시 전에 맞춤형 이미지 식별기의 약점을 알 수 있다.

Custom Vision은 단종되나

Microsoft가 서비스 종료를 발표했고 전체 지원은 2028년 9월 25일까지 이어진다. 새 프로젝트에는 기존 방식의 모델 학습이라면 Azure Machine Learning AutoML, 프롬프트 설계라면 Foundry 모델, 관리형 분류 흐름이라면 Azure Content Understanding이 대안으로 제시된다.

Custom Vision

Microsoft · 이미지

Custom Vision은 Microsoft Azure의 이미지 인식 서비스다. 라벨을 붙인 사진을 올려 분류기나 탐지기를 학습시킨 뒤 API로 호출하거나 내보내서 오프라인으로 돌린다.

도구 방문

Custom Vision 소개

What Is Custom Vision

Custom Vision은 자체 데이터로 이미지 인식 서비스를 만드는 Microsoft의 관리형 서비스다. 사진을 준비하고 원하는 라벨을 붙이면 플랫폼이 맞춤형 이미지 식별기를 학습해 새 이미지를 그 라벨에 비추어 점수화한다. 프로젝트는 두 종류다. 이미지 분류는 사진 한 장에 라벨 하나 또는 여러 개를 붙이고, 객체 탐지는 찾은 객체마다 상자 위치까지 돌려준다.

작업은 브라우저의 customvision.ai에서 끝난다. SDK와 REST API를 쓰면 과정을 코드로 자동화할 수 있다. 학습은 시간당 과금되는 Azure 컴퓨팅에서 돌고, 추론은 별도 리소스로 분리된다. 트래픽이 많은 운영 엔드포인트가 실험과 자원을 다투지 않는다는 뜻이다. 컴팩트 도메인에서 학습한 모델은 휴대폰, 카메라, 사내 서버로 내보낼 수 있다. 순수 클라우드 API 대신 이 서비스를 고르는 이유가 대개 여기에 있다.

문제는 일정이다. Microsoft는 Azure Custom Vision의 서비스 종료를 발표했고 기존 고객은 2028년 9월 25일까지 전체 지원을 받는다. 여유는 있다. 그래도 컴퓨터 비전 모델 학습을 새로 시작한다면 이전 경로를 먼저 따져봐야 한다. 정확도에도 현실적인 한계가 있다. 깨끗하고 일관되게 라벨을 붙인 100장이 대충 붙인 1,000장을 이기는 경우가 많고, 스튜디오 사진으로 학습한 모델은 현장에서 찍은 흔들린 사진에 약하다.

Getting Started

Azure 포털에서 Custom Vision 학습 리소스를 만들고 데이터와 가까운 지역을 고른다.
customvision.ai를 열어 분류 또는 탐지 프로젝트를 만들고 도메인을 선택한다.
이미지를 올리고 라벨을 붙인다. 첫 학습 전에는 라벨마다 15에서 30장을 목표로 한다.
학습을 돌리고 라벨별 정밀도와 재현율을 확인한 뒤 태그를 고치거나 사진을 더해 다시 학습한다.
반복을 추론 리소스에 게시하고 앱에서 엔드포인트를 호출한다.

제품 정보

Custom Vision의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.

무료 플랜예

유료 플랜$2 per 1,000 predictions; $20 per compute hour

플랫폼Web portal, REST API, SDKs (.NET, Python, Java, Node.js), Docker containers

개발사Microsoft

카테고리이미지

출시일May 2018

최근 업데이트Jun 2026

웹사이트 방문 수897

웹사이트 글로벌 순위2.4M

API 제공 여부예

주요 기능

자체 라벨로 하는 이미지 분류

라벨은 직접 정하고 이미지 분류 모델이 그 모습을 익힌다. 멀티클래스 프로젝트는 사진 한 장에 라벨 하나를 고르고, 멀티라벨은 여러 개를 동시에 허용한다. 한 장에 중요한 요소가 둘 이상인 사진에 맞다. 학습이 끝나면 추론마다 라벨별 확률이 나오고, 경계는 코드에서 정한다.

객체 탐지와 경계 상자

탐지 프로젝트는 라벨의 존재 여부만 아니라 각 인스턴스의 위치를 돌려준다. 개수를 세거나 라인에서 방향을 확인하거나 다음 단계를 위해 영역을 잘라낼 때 필요하다. 포털에서 상자를 그리면 학습된 객체 탐지 모델이 일치하는 곳마다 좌표와 신뢰도를 보고한다.

용도별 도메인으로 학습 단축

빈 범용 모델에서 시작하는 대신 내용에 맞는 도메인을 고를 수 있다. 음식, 랜드마크, 유통, 그리고 내보내기용 컴팩트 버전이다. 출발점이 가까울수록 쓸 만한 정확도까지 필요한 사진 수가 줄어든다. 대신 컴팩트 도메인은 모델 크기를 제한하므로 클라우드의 전체 도메인만큼 정확도를 끌어올리지는 못한다.

반복, 지표, 임계값

학습할 때마다 이름이 붙은 반복이 생기고 서로 비교할 수 있다. 포털은 라벨별 정밀도, 재현율, 평균 정밀도를 보여준다. 라벨마다 확률 임계값을 정해 오탐과 놓침 사이에서 균형을 잡을 수 있다. 게시는 별도 단계라서 실패한 실험이 운영 중인 엔드포인트를 건드리지 않는다.

엣지와 컨테이너로 내보내기

컴팩트 도메인 모델은 TensorFlow, CoreML, ONNX, 또는 Linux와 Windows용 Docker 이미지로 나간다. 맞춤형 이미지 식별기를 휴대폰, 라즈베리 파이, 산업용 PC에서 오프라인으로 돌릴 수 있다. 내보낸 모델은 외부로 통신하지 않는다. 데이터를 현장 밖으로 보낼 수 없는 곳에서 유용하다.

포털, SDK, REST API

웹 포털만으로 라벨링, 학습, 테스트를 코드 없이 처리한다. 반복 실행이 필요한 흐름은 REST API와 .NET, Python, Java, Node.js 클라이언트 라이브러리가 같은 작업을 프로그램으로 수행한다. 학습과 추론은 별도 Azure 리소스에 두므로 실험은 저렴한 지역에 남기고 운영 트래픽은 사용자와 가까운 지역에서 처리할 수 있다.