> 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/get-started/ko/guides/model-training.md).

# 모델 학습

짧은 비디오를 API에서 호출할 수 있는 맞춤 학습 객체 탐지 모델로 바꾸세요.

이 가이드는 30초짜리 동영상에서 API로 호출할 수 있는 객체 감지 모델을 학습하는 과정까지 안내합니다. Roboflow가 동영상에서 프레임을 추출하고, Auto Label이 바운딩 박스를 그린 다음 데이터셋으로 모델을 학습합니다. 이 예제에서는 감자 감지 모델을 만들지만, 원하는 객체로 바꿔도 됩니다.

{% stepper %}
{% step %}

### 프로젝트 만들기

다음 사이트에 로그인합니다. [app.roboflow.com](https://app.roboflow.com). 계정이 없다면 먼저 계정을 만드세요. "Projects" 탭을 열고 [프로젝트](https://docs.roboflow.com/datasets/create-and-upload/create-a-project)를 만듭니다. 이 가이드에서는 Object Detection 프로젝트 유형과 Traditional 주석 도구를 사용합니다.

{% embed url="<https://media.roboflow.com/quickstart/step1.mp4>" %}
{% endstep %}

{% step %}

### 데이터 업로드

[데이터를 업로드합니다.](https://docs.roboflow.com/datasets/create-and-upload/adding-data) 프로젝트에 데이터를 업로드합니다. Roboflow는 이미지, 동영상, 주석 파일, PDF를 지원합니다. 이 가이드에서는 30초짜리 동영상을 업로드하고 초당 1.4프레임을 추출해 이미지 42개를 만듭니다. 아직 데이터가 없다면 대신 [Roboflow Universe에서 데이터셋을 가져올](https://docs.roboflow.com/datasets/create-and-upload/adding-data/roboflow-universe) 수 있습니다.

{% embed url="<https://media.roboflow.com/quickstart/step2.mp4>" %}
{% endstep %}

{% step %}

### Auto Label로 라벨 지정

를 선택하고 [Auto Label](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/auto-label) 을 선택한 다음 객체의 클래스 이름이나 간단한 설명을 입력합니다(여기서는 `potato`). 신뢰도 임계값은 기본값보다 조금 높게 설정합니다. 임계값이 높으면 Auto Label은 확실하다고 판단한 박스만 남깁니다. 감자 몇 개를 놓칠 수 있지만, 검토 단계에서 누락된 박스를 추가하는 편이 잘못된 박스를 수정하는 것보다 빠릅니다.

{% embed url="<https://media.roboflow.com/quickstart/step3-autolabel.mp4>" %}
{% endstep %}

{% step %}

### 주석 검토

각 이미지에서 Auto Label이 생성한 주석을 확인합니다. 박스가 올바르면 이미지를 승인합니다(`A`). 그렇지 않으면 박스를 직접 수정하거나 추가하거나 삭제할 수 있으며, [Smart Select](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/smart-select)를 사용해도 됩니다. 객체를 클릭하면 자동으로 박스를 그려 줍니다. 이미지 42개를 모두 검토하고 승인합니다.

{% embed url="<https://media.roboflow.com/quickstart/step4-verify-labelassist.mp4>" %}
{% endstep %}

{% step %}

### 버전을 만들고 학습하기

승인된 이미지를 데이터셋에 추가한 다음 [학습 세트, 검증 세트, 테스트 세트로 분할합니다.](https://docs.roboflow.com/datasets/versions/dataset-versions/create-a-dataset-version)여기서는 [RF-DETR](https://docs.roboflow.com/models/supported-models/rf-detr) (Medium)을 사용합니다. Roboflow가 개발한 빠르고 정확한 감지 모델입니다. RF-DETR은 Apache 2.0 라이선스로 배포되므로 라이선스 비용을 내거나 코드를 오픈 소스로 공개하지 않고도 비공개 상용 제품에 포함할 수 있습니다. 그런 다음 데이터셋 버전을 만들고 학습을 시작합니다.

모델이 학습되는 동안 [실시간 학습 그래프](https://docs.roboflow.com/models/evaluate/training-results)를 확인할 수 있습니다. 이 모델은 약 45분이면 학습을 마치며, 완료되면 이메일을 받습니다. 모델을 열어 [평가 지표](https://docs.roboflow.com/models/evaluate/evaluate-trained-models) (mAP, 정밀도, 재현율, F1)를 확인합니다.

{% embed url="<https://media.roboflow.com/quickstart/step5-version-training.mp4>" %}
{% endstep %}

{% step %}

### 모델 배포

이제 모델을 실행할 수 있습니다. 모델을 [Workflow](https://docs.roboflow.com/workflows)에서 사용하거나 단독으로 배포할 수 있습니다. 이 가이드에서는 클라우드 호스팅 방식의 [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api)를 사용합니다. 모델의 배포 페이지에서 Python 스크립트를 복사하고, 종속 항목을 설치한 다음, 사용할 이미지 경로를 지정해 실행합니다. 스크립트는 모델 예측 결과를 JSON으로 출력합니다.

{% embed url="<https://media.roboflow.com/quickstart/step6-deploy.mp4>" %}
{% endstep %}

{% step %}

### 결과 시각화

바운딩 박스를 보려면 [supervision](https://supervision.roboflow.com)을 사용해 이미지에 박스를 그립니다. supervision은 Roboflow의 오픈 소스 주석 라이브러리입니다. 다음 명령으로 설치합니다. `pip install supervision`그런 다음 JSON 예측 결과를 불러와 각 감자에 박스를 그립니다. 원래 Python 스크립트에 다음 줄을 추가합니다.

```python
detections = sv.Detections.from_inference(result)

image = cv2.imread(image_path)
image = sv.BoxAnnotator().annotate(image, detections)

cv2.imwrite("annotated.jpg", image)
```

각 상자는 모델이 찾은 감자를 나타냅니다:

<figure><img src="https://83860450-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1YMZNIiZMBdlCHUDeZMP%2Fuploads%2Fgit-blob-2627e9fb509cf0f35f074e7452b0c787a571c435%2Fpotato-detections.webp?alt=media" alt="Potatoes on a conveyor, each marked with a bounding box"><figcaption><p>학습된 모델의 예측 결과를 supervision으로 프레임에 그린 모습입니다.</p></figcaption></figure>
{% endstep %}
{% endstepper %}

## 다음 단계

* 모델을 중심으로 [워크플로](https://docs.roboflow.com/workflows/build/create-a-workflow) 를 구성해 로직, 시각화 및 다른 단계를 연결하세요.
* 자체 하드웨어에서 모델을 실행하세요. 자세한 내용은 [로컬에서 모델 실행](https://docs.roboflow.com/get-started/ko/guides/run-a-model-locally.md)을 참조하세요. 버전 페이지의 model\_id가 필요합니다(여기서는 `erikrf/potatoes-daysm-1-rfdetr-medium-t1`).
* 비디오 스트림에서 모델을 실행하세요. 자세한 내용은 [비디오에서 모델 실행](https://docs.roboflow.com/get-started/ko/guides/run-a-model-on-a-video.md).
* 이미지에 더 많은 레이블을 지정하고 모델을 다시 학습해 정확도를 높이세요. 자세한 내용은 [학습된 모델 평가](https://docs.roboflow.com/models/evaluate/evaluate-trained-models).
