모델 학습

Roboflow 대시보드에서 최신 기술로 모델을 학습시키세요.

Roboflow 인터페이스에서 컴퓨터 비전 모델을 학습할 수 있습니다.

Roboflow는 두 가지 학습 옵션을 제공합니다:

• Roboflow Train: 프로덕션 준비된 모델을 만들기에 이상적인 당사의 주요 학습 서비스입니다.

• Roboflow Instant: 테스트에 적합한 모델을 몇 분 안에 학습합니다.

이미지 주석 배치를 승인하면 Instant 모델이 자동으로 학습됩니다. 이러한 모델은 즉시 사용할 수 있습니다.

Roboflow에서 학습된 모델은 Inference(온디바이스 추론 서버)를 사용하거나 Workflows의 Serverless Hosted API, Workflows를 통한 Batch Processing 또는 모델 API 엔드포인트를 통해 클라우드에 배포할 수 있습니다.

읽어보세요 라이선스 가이드 Roboflow에서 학습된 모델의 라이선스 방식에 대해 자세히 알아보려면.

모델 학습

컴퓨터 비전 모델을 학습하려면 먼저 데이터셋 버전을 생성하세요.

"Custom Train" 버튼을 클릭하여 학습 작업 구성을 시작하세요:

모델 아키텍처 선택

다음으로 모델 아키텍처를 선택해야 합니다. 이는 모델을 학습하는 데 사용되는 머신러닝 기술입니다.

학습할 수 있는 모델 아키텍처는 설정한 프로젝트 유형에 따라 다릅니다:

• 객체 감지: RF-DETR, Roboflow 3.0, YOLOv11, YOLOv12 및 YOLO-NAS 모델을 학습할 수 있습니다.

• 분류: ViT 및 ResNet.

• 인스턴스 분할: RF-DETR Seg(미리보기), Roboflow 3.0 및 YOLO11.

• 키포인트 감지: Roboflow 3.0 및 YOLO11.

• 멀티모달: Florence 2, PaliGemma 2 및 Qwen-2.5 VL.

객체 감지의 경우 RF-DETR이 최고의 정확도를 제공합니다. 인스턴스 분할의 경우 RF-DETR Seg(미리보기)가 최고의 정확도를 제공합니다.

프로젝트 유형에 사용 가능한 아키텍처를 선택한 다음 "Continue"를 클릭하세요:

모델 크기 선택

다음으로 모델의 크기를 설정해야 합니다.

모델 크기는 선택한 아키텍처에 따라 달라집니다. 예를 들어 최첨단 객체 감지 모델인 RF-DETR은 Nano, Small, Medium 및 Base를 제공합니다:

Roboflow 3.0의 경우 Fast 및 Accurate 학습 옵션은 모든 사용자에게 제공됩니다. Medium, Large 및 Extra Large는 유료 사용자에게만 제공됩니다.

체크포인트 선택

학습 옵션을 선택한 후에는 체크포인트에서 학습할지 여부를 묻는 메시지가 표시됩니다. 아래 탭에는 각 모델 유형에 대한 구성 옵션이 표시됩니다.

객체 감지

세 가지 옵션이 있습니다:

• 학습이전 체크포인트에서 시작: 이미 작동하는 모델이 있어 이를 개선하려는 경우에 적합합니다.

• 공개 체크포인트에서 학습: 첫 번째 모델 버전이거나 이전 학습 실행이 예상한 결과를 얻지 못했을 때 적합합니다.

• 무작위 초기화에서 학습: 고급 사용자 전용, 이 옵션은 학습을 시작할 수 있는 빈 상태를 제공합니다. 대부분의 사용자는 이 옵션을 사용할 때 성능이 더 낮게 나옵니다.

분류/시맨틱 분할

학습 옵션을 어떻게 선택하나요?

새 객체 감지 프로젝트의 경우 공개 체크포인트에서 학습할 것을 권장합니다. 기본적으로 Microsoft COCO 데이터셋으로 학습된 모델에서 학습을 제공합니다. 분류 및 시맨틱 분할의 경우 ImageNet에서 학습하는 것만 지원합니다.

Universe에 호스팅된 프로젝트 기반의 체크포인트에서 학습할 수 있습니다(객체 감지만 해당). 이렇게 하려면 먼저 Universe에서 프로젝트에 별표를 표시하세요. 그러면 해당 프로젝트가 Roboflow 웹 애플리케이션에서 학습 체크포인트로 사용 가능해집니다.

또한 이전 버전의 모델을 기반으로 한 체크포인트에서 학습할 수 있습니다(객체 감지, 인스턴스 분할 및 키포인트 감지에만 해당). 이 방법은 더 빠른 학습 과정을 제공합니다. 모델이 강한 성능을 보일 경우에만 이전 체크포인트에서 학습하는 것을 권장합니다).

체크포인트에서 학습한다는 것은 전이 학습을 사용하고 있다는 의미입니다. 전이 학습은 선택한 모델에서 학습을 초기화합니다. 이는 학습 시간을 줄이고 향상된 학습 점수를 제공하는 데 도움이 될 수 있습니다.

처음부터 학습한다는 것은 전이 학습을 사용하지 않는다는 의미입니다. 이는 모델 가중치에 대해 무작위 초기값으로 학습을 시작합니다.

학습 작업 시작

체크포인트를 선택한 후 Start Training을 클릭하세요.

그런 다음 데이터셋이 압축되어 Roboflow 클라우드에서 학습 준비가 됩니다.

데이터셋 준비가 완료되면 학습에 걸릴 예상 시간이 표시됩니다:

데이터셋이 클수록, 그리고 데이터셋의 이미지가 클수록 모델 학습에 더 많은 시간이 걸립니다.

학습 프로세스가 완료되면 이메일로 알려드립니다. 대부분의 경우 24시간 이내여야 합니다.

요금제

Roboflow에서의 학습은 학습 작업의 길이에 따라 요금이 책정됩니다. 자세한 내용은 당사의 크레딧 페이지.

학생이나 연구원이고 진행 중인 프로젝트에 대한 크레딧이 필요하다면, 추가 크레딧을 신청할 수 있습니다.