모델 학습

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

이 가이드는 30초 분량의 비디오에서 시작해 API로 호출할 수 있는 학습된 객체 탐지 모델까지 안내합니다. Roboflow가 비디오에서 프레임을 추출하고, Auto Label이 박스를 그려 주며, 데이터셋으로 모델을 학습합니다. 이 예시에서는 감자 탐지 모델을 만들지만, 원하는 객체로 바꿔 사용할 수 있습니다.

1

프로젝트 만들기

다음에서 로그인하세요 app.roboflow.com, 또는 계정이 없다면 계정을 만드세요. "Projects" 탭을 열고 프로젝트를 만드세요. 이 가이드는 객체 탐지 프로젝트 유형과 Traditional 주석 도구를 사용합니다.

2

데이터를 업로드하세요

데이터를 업로드하세요 를 프로젝트에 추가하세요. Roboflow는 이미지, 비디오, 주석 파일, PDF를 지원합니다. 이 가이드는 30초 분량의 비디오를 업로드하고 여기에서 초당 1.4프레임을 추출해 42장의 이미지를 만듭니다. 아직 데이터가 없다면 Roboflow Universe에서 데이터셋을 가져올 수 있습니다 대신 사용할 수 있습니다.

3

Auto Label로 라벨링하기

선택하세요 Auto Label 을 선택하고 클래스 이름이나 객체에 대한 짧은 설명을 입력하세요(여기서는: 감자). 기본값보다 신뢰도 임계값을 조금 더 높게 설정합니다. 임계값이 높으면 Auto Label은 확신할 수 있는 박스만 유지합니다. 몇 개의 감자를 놓칠 수는 있지만, 검토 중에 빠진 박스를 추가하는 것이 잘못된 박스를 고치는 것보다 더 빠릅니다.

4

주석 검토하기

각 이미지에서 Auto Label의 결과를 확인하세요. 박스가 올바르게 보이면 이미지를 승인합니다(A). 그렇지 않다면 박스를 수동으로 또는 Smart Select으로 제거, 수정, 추가할 수 있습니다. Smart Select는 객체를 클릭하면 박스를 그려 줍니다. 42장의 모든 이미지를 검토해 모두 승인할 것입니다.

5

버전을 만들고 학습하기

승인된 이미지를 데이터셋에 추가하고 학습, 검증, 테스트 세트로 분할합니다. 우리는 RF-DETR (Medium)을 사용할 것입니다. Roboflow가 만든 빠르고 정확한 탐지 모델이기 때문입니다. 그런 다음 데이터셋 버전을 만들고 학습을 시작하세요.

모델이 학습되는 동안 실시간 학습 그래프를 볼 수 있습니다. 이 모델은 약 45분 만에 완료되며, 완료되면 이메일을 받게 됩니다. 모델을 열어 평가 지표 (mAP, precision, recall, F1)를 확인하세요.

6

모델 배포하기

이제 모델을 실행할 수 있습니다. 다음에서 사용하세요. 워크플로우에 연결하거나, 단독으로 배포할 수 있습니다. 이 가이드에서는 클라우드 호스팅 Serverless Cloud API를 사용합니다. 모델의 배포 페이지에서 Python 스크립트를 복사하고, 의존성을 설치한 다음, 자신의 이미지 중 하나를 지정해 실행하세요. 스크립트는 모델의 예측을 JSON으로 출력합니다.

7

결과 시각화하기

바운딩 박스를 보려면 supervision, Roboflow의 오픈소스 주석 라이브러리로 이미지에 그리세요. 다음으로 설치하세요 pip install supervision, 그런 다음 JSON 예측을 불러와 각 감자 주위에 박스를 그리세요. 원래 Python 스크립트에 다음 줄을 추가하세요:

detections = sv.Detections.from_inference(result)

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

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

각 박스는 모델이 찾은 감자를 나타냅니다:

supervision으로 프레임에 그려진 학습된 모델의 예측 결과입니다.

다음 단계

• 모델 주변에 워크플로우 를 구축하여 로직, 시각화, 기타 단계와 연결하세요.

• 자신의 하드웨어에서 모델을 실행하세요. 다음을 참고하세요. 로컬에서 모델 실행하기; 버전 페이지에서 model_id가 필요합니다(우리의 경우 이는 erikrf/potatoes-daysm-1-rfdetr-medium-t1).

• 비디오 스트림에서 모델을 실행하세요. 다음을 참고하세요. 비디오에서 모델 실행하기.

• 더 많은 이미지를 라벨링하고 재학습하여 정확도를 향상하세요. 다음을 참고하세요. 학습된 모델 평가하기.