반려동물 품종 분류기 만들기 (0) 시리즈 소개

이미지 분류 모델을 처음부터 서빙까지 직접 만들어보는 딥러닝 프로젝트 시리즈의 0편입니다. 프로젝트 소개와 진행 순서를 다루며, 본문인 설계는 1편부터 시작합니다.

무엇을 만드나

사진 한 장을 입력하면 반려동물의 품종을 맞히는 분류기를 만듭니다. 데이터는 Oxford-IIIT Pet으로, 개 25종과 고양이 12종, 총 37개 품종 7,349장의 이미지로 구성되어 있습니다.

목표는 캐글 노트북 한 장으로 끝내는 것이 아니라, 아래 과정을 전부 직접 거치는 것입니다.

1. 직접 만든 작은 CNN으로 baseline을 세운다
2. 사전학습 ResNet을 fine-tuning해서 baseline과 비교한다
3. confusion matrix와 Grad-CAM으로 모델이 어디서 왜 틀리는지 분석한다
4. 모델을 export해서 FastAPI로 예측 API를 만든다

누구를 위한 시리즈인가

이 시리즈는 다음에 해당하는 분들을 대상으로 작성한 글입니다.

• CNN과 transfer learning의 개념은 배웠지만 실제 데이터로 끝까지 돌려본 적이 없는 사람
• PyTorch로 학습 루프는 짜봤지만 augmentation, fine-tuning, 오류 분석 같은 실전 판단을 해본 적이 없는 사람
• 학습한 모델을 노트북 밖으로 꺼내 API로 만들어보고 싶은 사람

CNN이 처음이라면 딥러닝 기초 9편부터 11편까지를, PyTorch가 처음이라면 PyTorch 기초 시리즈를 먼저 보는 것을 권합니다. 이 시리즈는 그 두 시리즈의 내용을 전제로 진행합니다.

어떻게 진행하는가

일곱 편으로 진행하며, 순서는 아래와 같습니다.

편	주제
(1)	프로젝트 설계
(2)	개발환경 세팅
(3)	데이터 준비와 EDA
(4)	Baseline: CNN을 처음부터 학습
(5)	Transfer learning: ResNet fine-tuning
(6)	평가와 오류 분석
(7)	모델 export와 FastAPI 서빙

4편과 5편이 “어떻게 학습하는가”라면, 6편은 “어디서 틀리는가”이고 7편은 “어떻게 꺼내 쓰는가”입니다.

실습 환경

• Python 3.12, uv로 패키지 관리
• PyTorch 2.x, torchvision
• GPU는 Colab T4 기준으로 진행하며, Apple Silicon(MPS)과 CPU에서도 동작하도록 device 선택 코드를 넣습니다

환경 세팅의 자세한 내용은 2편에서 다룹니다.