> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/datasets/ko/versions/dataset-health-check.md).

# 데이터셋 상태 점검

데이터셋의 품질을 평가하고 개선합니다.

## 정보

Dataset Health Check는 프로젝트와 연결된 데이터셋에 대한 다양한 통계를 보여 줍니다. 다음 정보를 확인할 수 있습니다.

* 데이터셋의 이미지 수;
* 어노테이션 수;
* 평균 이미지 크기;
* 이미지 종횡비의 중앙값;
* 어노테이션이 누락된 이미지 수;
* null 어노테이션 수;
* 데이터셋 전체 이미지의 크기;
* 객체 수 히스토그램, 그리고
* 어노테이션 위치 히트맵.

Dataset Health Check를 사용하면 데이터셋에 관한 다양한 인사이트를 얻을 수 있습니다. 예를 들어 null 어노테이션이 없다면 작업 중인 프로젝트에 따라 몇 개 추가하는 것을 고려해 볼 수 있습니다. 어노테이션이 누락된 이미지가 있다면 자세히 살펴보고 필요한 어노테이션을 추가할 수 있습니다.

프로젝트의 Health Check를 보려면 Dataset 페이지를 열고 "Health Check" 탭을 클릭합니다.

<figure><img src="https://3735512388-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-088e5e12e4a8d3196e187a5b4d97bffb73d7cc9a%2FScreenshot%202025-05-19%20at%2011.49.32.png?alt=media" alt=""><figcaption></figcaption></figure>

그러면 Health Check 탭이 열립니다.

<figure><img src="https://3735512388-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-4dab0946c168b9f6f769eeba3e07ae10e075b2c8%2FScreenshot%202025-05-19%20at%2011.51.10.png?alt=media" alt=""><figcaption></figcaption></figure>

이 페이지에서는 다음을 확인할 수 있습니다.

* train, test, valid 데이터셋의 이미지에 포함된 클래스 수의 세부 내역
* 데이터셋 이미지의 크기와 종횡비 개요
* 어노테이션이 주로 어디에 분포하는지 보여 주는 히트맵
* 데이터셋의 각 이미지에 어노테이션된 클래스 수를 보여 주는 히스토그램

## 웹 앱

### 크기 인사이트

크기 인사이트 섹션에서는 데이터셋의 원본 이미지 크기와 종횡비를 설명합니다.

프로젝트 버전을 만들 때 Resize 증강을 적용하면(대부분의 사용 사례에서 이를 적극 권장합니다) 버전의 이미지 크기는 조정되지만 원본 이미지는 그대로 유지됩니다.

<figure><img src="https://3735512388-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-3382cff7ff266fe2c67869601c806f74e9819e7f%2FScreenshot%202025-06-09%20at%2011.38.21.webp?alt=media" alt=""><figcaption></figcaption></figure>

### 어노테이션 히트맵

모델을 학습할 때는 데이터셋이 모델을 배포할 환경의 조건을 잘 대표하도록 하는 것이 중요합니다.

카메라 프레임 어디에나 어노테이션 대상이 나타날 수 있는 환경에 모델을 배포할 예정이라면, 이미지의 여러 위치에 나타나는 객체에 어노테이션을 지정하는 것이 중요합니다. 예를 들어 다양한 크기의 객체가 실시간으로 이동하는 공장 생산 라인이나, 휴대전화로 객체를 촬영한 이미지가 이에 해당합니다.

이미지의 여러 영역에 있는 객체에 레이블을 지정하면 모델이 특정 위치의 객체만 식별하도록 학습하는 과적합을 방지할 수 있습니다.

어노테이션 히트맵은 이미지에서 어노테이션이 많은 곳과 적은 곳을 보여 줍니다. 이를 통해 데이터셋의 어노테이션이 특정 위치에 지나치게 집중된 경우를 파악할 수 있습니다.

<figure><img src="https://3735512388-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-e2b93242f6a34898ac5f12ed79be48e3e9531e35%2FScreenshot%202025-06-09%20at%2011.40.13.png?alt=media" alt=""><figcaption></figcaption></figure>

히트맵에서 영역을 드래그하면 선택한 범위에 해당하는 이미지를 확인할 수 있습니다.

<figure><img src="https://3735512388-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-6148d58b35b272cd092604e6902d9bdefd04809b%2FScreenshot%202025-06-09%20at%2011.45.20.png?alt=media" alt=""><figcaption></figcaption></figure>

### 이미지별 객체 수 히스토그램

각 이미지에 어노테이션된 객체가 몇 개씩 나타나는지 그 분포를 보여 줍니다.

모델에 입력하는 이미지에 객체가 여러 개 포함될 수 있다면, 객체 인스턴스 수가 다양한 이미지를 데이터셋에 포함하는 것이 좋습니다. 그러면 관심 객체가 없거나 하나 또는 여러 개 있는 이미지에서도 모델이 잘 일반화되도록 할 수 있습니다.

다음은 히스토그램의 예입니다.

<figure><img src="https://3735512388-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-f6bdf31894a57af06ca4b95039e6c4fb05959f26%2FScreenshot%202025-06-09%20at%2011.49.58.png?alt=media" alt=""><figcaption></figcaption></figure>

히스토그램의 막대를 선택하면 해당 개수의 객체가 있는 이미지를 확인할 수 있습니다.

<figure><img src="https://3735512388-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-6d725d3e00ff97b2371621d135290cf026cc8006%2FScreenshot%202025-06-09%20at%2011.50.30.webp?alt=media" alt=""><figcaption></figcaption></figure>

## HTTP API

API는 Health Check 탭과 동일한 개수, 클래스 균형, 객체 수 히스토그램을 반환하지만 히트맵과 이미지 크기는 포함하지 않습니다. 프로젝트의 첫 번째 보고서나 `regenerate=true`를 지정해 요청한 보고서는 요청 중에 계산되며, 대규모 데이터셋에서는 몇 분 정도 걸릴 수 있습니다. 이후 호출에서는 저장된 보고서를 반환하므로 최신 변경 사항이 반영되지 않았을 수 있습니다. 최신 수치가 필요하면 `generated`를 확인하고 `regenerate=true` 를 전달하세요.

{% openapi src="/files/8327c365f02e9ef2a7c89494647ce3daf18087a1" path="/{workspace}/{project}/health" method="get" %}
[dataset-health-check.yaml](https://3735512388-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-2b42cf2015d696b256144fe462289cfec2f66bbe%2Fdataset-health-check.yaml?alt=media)
{% endopenapi %}

## Roboflow Agent

프로젝트 상태에 관해 [Roboflow Agent](https://docs.roboflow.com/agents/roboflow-agent) 에 질문할 수 있습니다(예: "모델이 작은 객체를 놓치는 이유가 무엇인가요?"). Agent는 저장된 보고서를 읽고, 예시 이미지를 확인하며, 분석 결과의 근거가 되는 차트를 보여 줍니다. 보고서가 없거나 오래된 경우 Agent에 새로 고치도록 요청하세요. 새로 고침은 백그라운드에서 실행되며, 완료되면 Agent가 새 보고서를 읽습니다.

## MCP 서버

AI 에이전트를 [MCP 서버](https://docs.roboflow.com/agents/mcp-server) 에 연결하면 다음 도구를 사용해 데이터셋 상태를 확인할 수 있습니다.

<table data-search="false"><thead><tr><th width="290">도구</th><th>설명</th></tr></thead><tbody><tr><td><code>projects_health</code></td><td>프로젝트의 데이터 세트 상태 확인 결과를 가져옵니다.</td></tr></tbody></table>
