대학 지원 연구 근거 · 이해와 독립적 기여 · 서울 강남·온라인
프로젝트 과정학생이 만든 결과물과 기록이 남는 과정입니다.
영상 인식 AI로 선수와 공 찾기
고등 9-12학년: 영상 속 선수와 공 인식, 유니폼 색으로 팀 구분, 영상 좌표와 2D 미니맵 중심 과정.
- 상담과 레벨 확인 무료
- 압구정 교실 또는 온라인
- 개별 수업 또는 소규모 그룹
- 학원 등록번호 11882호
영상 인식 AI로 선수와 공 찾기 과정이 고등 9-12학년 학생에게 맞나요?
영상 인식 AI로 선수와 공 찾기 과정은 고등 9-12학년 학생을 위한 수업입니다. 영상 속 선수와 공 인식, 유니폼 색으로 팀 구분에 관심 있는 학생에게 잘 맞으며 온라인 또는 서울 강남구 압구정 오프라인에서 개별 수업이나 소규모 그룹 수업으로 진행할 수 있습니다. 수업 결과물은 탐지 평가표와 오류 프레임 모음, 선수 경로를 그린 2D 전술 미니맵, 영상 업로드·처리·CSV 다운로드가 되는 Streamlit 웹앱입니다.
사용 허가를 확인한 짧은 축구 영상을 프레임 단위로 읽고 미리 학습된 AI 모델이 찾은 선수·심판·공을 직접 확인한 표와 비교해 놓친 것과 잘못 찾은 것을 셉니다.
유니폼 색으로 두 팀을 나누고 프레임이 바뀌어도 같은 선수에게 같은 번호가 이어지도록 추적한 뒤 경기장 선의 기준점으로 화면 위치를 2D 축구장 좌표로 바꿔 미니맵을 그립니다.
마지막에는 짧은 영상을 올리면 처리 영상·미니맵·CSV를 내려받을 수 있는 Streamlit 웹앱과 오류 사례를 담은 성능 보고서를 완성합니다.
학생이 스스로 질문을 세우고 기능·모형·화면·해법을 직접 설계하고 시험해 자기 프로젝트로 만듭니다.
지원서나 면접에서는 참고한 자료와 자기가 한 일, 결과·실패·수정·한계를 구분해 설명합니다.
Google 로그인이 필요하며 기존 계정 권한에 따라 접근할 수 있습니다.
아이가 AI 수업을 흥미롭게 잘 들었습니다. 덕분에 알찬 방학을 보낸 것 같아요. 세심하게 지도해 주셔서 감사합니다.
- 대상 연령
- 고등 9-12학년
- 관심 과목
- AI·데이터, 예술·미디어·디자인같은 과목 보기
- 과정 유형
- 정규·프로젝트 과정
- 수업 방식
- 온라인 또는 압구정 오프라인 · 개별 또는 소규모 그룹
- 수업 언어
- 한국어 기본, 영어 자료 지원
- 교육과정 상태
- 수업 준비 완료모든 학습 항목에 근거, 풀이 예시, 실습과 튜터 진행 안내가 있어 CIT 수업 준비 기준을 충족합니다.
공개 연구를 읽고 학생 고유의 프로젝트로
학생은 주제에 맞는 공개 자료를 읽고 아이디어를 재현한 뒤 자기 질문, 기능이나 실험을 더합니다.
여는 자료는 모두 공개된 것이며, 회차마다 어떤 문서의 어느 부분을 여는지 적어 둡니다.
아이에게 어떻게 설명하면 좋을까요?
영상 속 선수와 공 인식, 유니폼 색으로 팀 구분 같은 주제를 보며 자꾸 '왜?'라는 질문이 생긴다면 영상 인식 AI로 선수와 공 찾기 과정이 잘 맞습니다.
근거로 질문을 확인한 뒤 자기만의 확장 프로젝트를 만들고 설명합니다.
어떤 관심을 보이는 학생에게 맞나요?
- 영상 속 선수와 공 인식
- 유니폼 색으로 팀 구분
- 영상 좌표와 2D 미니맵
학생은 무엇을 완성하나요?탐지 평가표와 오류 프레임 모음, 선수 경로를 그린 2D 전술 미니맵, 영상 업로드·처리·CSV 다운로드가 되는 Streamlit 웹앱
우리 아이에게 맞을까요?
AI 시스템을 이해하고 만들고 확인하거나 책임 있게 활용하려는 학생에게 잘 맞습니다.
필요한 수학·과학·코딩 수준은 짧은 상담과 예제로 확인합니다.
처음 시작하는 학생은 안내된 작은 예제로 시작합니다.
출처, 방법, 한계를 자기 말로 설명할 준비가 필요합니다.
무엇을 배우나요?
- 초당 프레임 수(FPS)와 해상도를 읽고 처리한 프레임을 같은 FPS의 새 MP4로 저장합니다.
- 선수·심판·공 탐지 결과를 직접 확인한 표와 비교해 맞게 찾은 것, 놓친 것, 잘못 찾은 것을 셉니다.
- 유니폼 색으로 팀을 나누고 선수가 겹칠 때 번호가 바뀌거나 끊기는 추적 오류를 찾습니다.
- 화면과 실제 축구장의 대응점으로 좌표 변환을 구하고 선수 발 위치의 오차를 확인합니다.
수업은 어떤 순서로 진행되나요?
- 1영상과 탐지 결과
허가된 짧은 영상을 프레임으로 읽고 선수·심판·공 탐지 결과를 직접 세어 평가합니다.
- 2팀 구분과 선수 추적
유니폼 색 특징으로 홈·원정 팀을 표시하고 선수가 가려지거나 교차하는 구간에서 번호 변경과 추적 끊김을 셉니다.
- 3축구장 좌표와 미니맵
경기장 선과 교차점을 기준으로 화면 위치를 2D 축구장 좌표로 바꿔 미니맵과 이동 경로를 그립니다.
- 4웹앱·평가·공개 결과
업로드부터 처리 영상·미니맵·CSV까지 묶은 웹앱을 만들고 성능과 한계를 README로 정리합니다.
의미 있는 근거는 무엇인가요?
탐지 평가표와 오류 프레임 모음, 선수 경로를 그린 2D 전술 미니맵, 영상 업로드·처리·CSV 다운로드가 되는 Streamlit 웹앱.
입학사정관이 이 작업에서 확인할 수 있어야 할 것
학생이 스스로 질문을 세우고 기능·모형·화면·해법을 직접 설계하고 시험해 자기 프로젝트로 만듭니다.
지원서나 면접에서는 참고한 자료와 자기가 한 일, 결과·실패·수정·한계를 구분해 설명합니다.
데이터 기록, 바꾸기 전 기준 결과 비교, 모델 평가, 오류 분석, 학생 본인의 의사결정 기록이 근거가 될 수 있습니다.
입학사정관이 보는 근거는 학생이 이해한 내용과 직접 한 일입니다.
이 과정이 읽는 실제 연구 프로젝트
- roboflow/sports
- 고정 버전
42c80c06b6b6 - 이용 조건 MIT
- 글자 파일 20개
학생은 축구 경기 영상을 위에서 본 그림으로 바꾸는 과정을 다섯 칸으로 나눠 보고, 값 하나를 바꿔 무엇이 무너지는지 확인합니다.
수업에서는 프로젝트를 다섯 칸(입력, 기억, 처리, 출력, 제어)으로 나눠 보고, 그중 한 칸만 열어 값 하나를 바꿔 봅니다. 나머지는 열지 않습니다.
- 입력 · 들어오는 것무엇이 들어옵니까?
경기 영상의 한 프레임과 실행할 모드
- 기억 · 적어 두는 곳이 수업에서 다루는 부분무엇이 남아 있습니까?
경기장 규격 좌표표, 팀을 가르는 색 기준, 공의 최근 위치를 담아 두는 짧은 기록
- 처리 · 하는 일무엇을 바꿉니까?
선수와 공을 찾아 팀으로 나누고, 화면 좌표를 경기장 좌표로 옮기는 변환
- 출력 · 나오는 것무엇이 나가고 누가 씁니까?
선수 위치를 찍은 경기장 그림과 표시가 얹힌 영상
- 제어 · 언제 도는지 정하는 곳언제 도는지 누가 정합니까?
어떤 모드를 돌릴지 고르고 프레임을 하나씩 넘겨 주는 실행부
이 수업에서 여는 파일을 이름 그대로 적었습니다. 저장소를 처음부터 끝까지 훑는 수업이 아니라, 어디를 열지 골라서 여는 수업입니다.
값 하나만 바꾸고 나머지는 그대로 둡니다. 오른쪽은 결과가 아니라 수업에서 먼저 적어 두는 예상이고, 바꾼 뒤 결과와 맞춰 보는 것이 이 활동입니다.
화면이 좁으면 그림을 가로로 넘겨서 봅니다.
표시된 대학과 연구실 이름은 공개 프로젝트를 만든 곳을 알려 줍니다. 수업은 CIT가 독립적으로 설계했으며 해당 기관의 공식 수업이나 제휴·보증 과정이 아닙니다.
어떤 자료를 검토했나요?
- roboflow/sports · 고정 커밋 42c80c06b6b6
- roboflow/sports · MIT
- AI + Football: Roboflow 영상 AI 웹앱 · 고등학생 공식 안내
카탈로그 검토일: 2026-09-30
학부모가 검색하고 상담 전에 묻는 질문
영상 인식 AI로 선수와 공 찾기 과정이 고등 9-12학년 학생에게 맞나요?
영상 인식 AI로 선수와 공 찾기 과정은 고등 9-12학년 학생을 위한 수업입니다.
영상 속 선수와 공 인식, 유니폼 색으로 팀 구분에 관심 있는 학생에게 잘 맞으며 온라인 또는 서울 강남구 압구정 오프라인에서 개별 수업이나 소규모 그룹 수업으로 진행할 수 있습니다.
수업 결과물은 탐지 평가표와 오류 프레임 모음, 선수 경로를 그린 2D 전술 미니맵, 영상 업로드·처리·CSV 다운로드가 되는 Streamlit 웹앱입니다.
영상 인식 AI로 선수와 공 찾기 과정은 온라인·압구정 오프라인 및 개별·소규모 그룹 수업이 가능한가요?
네. 온라인 또는 서울 강남구 압구정 오프라인에서 개별 수업과 소규모 그룹 수업을 운영합니다. 준비도 상담에서 과정별 가능한 방식과 시작점을 확인합니다.
영상 인식 AI로 선수와 공 찾기 과정을 시작하려면 미리 배운 내용이나 코딩 경험이 필요한가요?
필요한 수학·과학·코딩 수준은 짧은 상담과 예제로 확인합니다. 처음 시작하는 학생은 안내된 작은 예제로 시작합니다. 출처, 방법, 한계를 자기 말로 설명할 준비가 필요합니다.
영상 인식 AI로 선수와 공 찾기에서 아이는 무엇을 만들거나 연습하나요?
핵심 결과물은 탐지 평가표와 오류 프레임 모음, 선수 경로를 그린 2D 전술 미니맵, 영상 업로드·처리·CSV 다운로드가 되는 Streamlit 웹앱입니다.
선택한 이유, 시험한 결과, 받은 의견, 한계도 연령에 맞는 말로 함께 기록합니다.
영상 인식 AI로 선수와 공 찾기에서 한 작업은 지원서에 어떻게 설명하나요?
학생이 스스로 질문을 세우고 기능·모형·화면·해법을 직접 설계하고 시험해 자기 프로젝트로 만듭니다.
지원서나 면접에서는 참고한 자료와 자기가 한 일, 결과·실패·수정·한계를 구분해 설명합니다.
데이터 기록, 바꾸기 전 기준 결과 비교, 모델 평가, 오류 분석, 학생 본인의 의사결정 기록이 근거가 될 수 있습니다.
영상 인식 AI로 선수와 공 찾기 수업 횟수와 수강료는 어떻게 확인하나요?
학생의 현재 준비도, 목표, 수업 장소, 수업 인원과 운영 가능 시간을 확인한 뒤 과정 계획을 제안합니다. 상담과 레벨 확인은 무료이며 등록 전에 수강료를 안내합니다.
언제 시작하는 것이 좋을까요?
정해진 개강 월은 없습니다. 학생의 학기 일정과 현재 준비도, 가능한 시간을 확인한 뒤 어느 지점부터 시작할지 알려 드립니다.
초기의 단순한 아이디어를 'AI 토론 도구'라는 방향까지 확장해 주신 점이 정말 좋았습니다. 아이가 원래 토론과 사회 이슈에 관심이 많은데, 그 관심사와 프로젝트가 자연스럽게 연결되니 완성도와 차별성이 훨씬 커질 것 같습니다.
준비도를 확인한 뒤 과정을 선택하세요
CIT가 연령, 관심 과목, 현재 준비도에 따라 가까운 과정과 비교해 드립니다.