> 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/roboflow/roboflow-ko/datasets/dataset-health-check.md).

# 데이터셋 상태 점검

Dataset Health Check는 프로젝트와 연결된 데이터셋에 대한 다양한 통계를 보여줍니다. 다음 정보를 확인할 수 있습니다:

* 데이터셋의 이미지 수;
* 어노테이션 수;
* 평균 이미지 크기;
* 이미지 비율의 중앙값;
* 누락된 어노테이션 수;
* null 어노테이션 수;
* 데이터셋 전반의 이미지 차원;
* 객체 수 히스토그램, 그리고;
* 어노테이션 위치의 히트맵.

Dataset Health Check를 사용하면 데이터셋에 대한 다양한 인사이트를 얻을 수 있습니다. 예를 들어 null 어노테이션이 없다면, 작업 중인 프로젝트에 따라 몇 개를 추가하는 것을 고려할 수 있습니다. 누락된 어노테이션이 있는 이미지가 있다면, 필요한 어노테이션을 추가하기 위해 더 자세히 살펴볼 수 있습니다.

프로젝트의 Health Check를 보려면 Dataset 페이지를 열고 "Health Check" 탭을 클릭하세요:

<figure><img src="/files/7f5b7e91c85f7a5a77268b6d7ce205c45349b188" alt=""><figcaption></figcaption></figure>

그러면 Health Check 탭이 열립니다:

<figure><img src="/files/f1e5d57d210fd4cf23c0a0b1385c7a2f473cdf53" alt=""><figcaption></figcaption></figure>

이 페이지에서는 다음을 확인할 수 있습니다:

* train, test, valid 데이터셋의 이미지에 포함된 클래스 수에 대한 세부 내역.
* 데이터셋의 이미지 크기와 종횡비에 대한 개요.
* 어노테이션이 가장 많이 있는 위치를 보여주는 히트맵.
* 데이터셋의 각 이미지에 몇 개의 클래스가 어노테이션되었는지 보여주는 히스토그램.

### Dimension Insights

Dimension Insights 섹션은 데이터셋의 원본 이미지 크기와 종횡비를 설명합니다.

프로젝트 버전을 만들 때 Resize augmentation을 적용하면 — 거의 모든 사용 사례에서 강력히 권장합니다 — 버전의 이미지는 크기가 조정되지만 원본 이미지는 그대로 유지됩니다.

<figure><img src="/files/0f4e3428c9af52dbba527cd85b8542d1f14699cd" alt=""><figcaption></figcaption></figure>

### Annotation Heat Map

모델을 학습할 때는 데이터셋이 모델이 배포될 환경을 대표해야 합니다.

모델이 어노테이션이 카메라 프레임 어디에나 나타날 수 있는 환경에 배포될 예정이라면 — 예를 들어 서로 다른 크기의 객체가 실시간으로 움직이는 공장 라인이나, 객체를 휴대폰으로 촬영한 이미지에서 — 이미지의 서로 다른 위치에 나타나는 객체를 어노테이션하는 것이 중요합니다.

이미지의 여러 부분에 있는 객체에 라벨을 지정하면, 모델이 특정 위치에 있는 객체만 식별하도록 과적합되는 것을 방지할 수 있습니다.

Annotation Heat Map은 이미지에서 어노테이션이 더 많거나 적은 위치를 보여줍니다. 이를 통해 데이터셋 어노테이션이 특정 위치에 너무 집중된 경우를 식별할 수 있습니다.

<figure><img src="/files/6745c77f201eec4e90671fb19dbfc672538bb774" alt=""><figcaption></figcaption></figure>

Heat Map에서 영역을 드래그하면 선택한 범위의 이미지를 볼 수 있습니다:

<figure><img src="/files/f1f79c11ae4d28b058d4137ea3b708c3a341d22d" alt=""><figcaption></figcaption></figure>

### 이미지별 객체 수 히스토그램

각 이미지에 어노테이션된 객체가 몇 개 있는지의 분포를 보여줍니다.

모델에 통과시키는 이미지에 객체의 여러 인스턴스가 포함될 수 있다면, 데이터셋에 서로 다른 개수의 객체 인스턴스가 포함된 이미지를 넣는 것이 좋습니다. 이렇게 하면 관심 객체가 없거나, 하나만 있거나, 여러 개 있는 이미지에 대해서도 모델이 잘 일반화되는지 확인할 수 있습니다.

여기에 히스토그램 예시가 있습니다:

<figure><img src="/files/de7d3e85b1889f1a12e1722d2f666f8483b1af9c" alt=""><figcaption></figcaption></figure>

히스토그램의 막대를 선택하면 해당 개수의 이미지를 볼 수 있습니다:

<figure><img src="/files/9da5d83d25c770b0011312cf43aa303d32b8bad5" alt=""><figcaption></figcaption></figure>