DagsHub 액티브 러닝 파이프라인 살펴보기

이번 요약에서는 YOLO VISION 2023(YV23)에서 진행된 또 다른 발표를 다룹니다. 마드리드 Google for Startups 캠퍼스에서 열린 이 Ultralytics 지원 행사에서 DagsHub의 전 머신러닝 에반젤리스트인 Yono Mittlefehldt가 액티브 러닝 파이프라인 구축에 관한 발표를 진행했습니다.

소개 및 개요#

발표는 액티브 러닝 파이프라인을 소개하고 액티브 러닝과 기존 지도 학습 방식의 차이를 설명하며 시작했습니다.

데이터 준비#

첫 번째 단계에서는 의존성을 가져오고 데이터 소스를 설정하며 초기 주석으로 메타데이터를 보강해 액티브 러닝 파이프라인의 토대를 마련합니다.

모델 학습#

데이터가 준비되면 다음 단계는 모델 학습입니다. Yono는 Ultralytics YOLOv8 데이터 세트와 YAML 파일을 사용해 학습 중 파라미터와 지표를 기록하는 콜백을 추가하여 각 실행을 쉽게 추적하고 비교할 수 있도록 했습니다.

액티브 러닝 사이클#

다음 단계는 사전 학습 모델을 불러오고, 레이블이 지정되지 않은 데이터에 점수를 매기며, 주석 작업에 가장 유용한 샘플을 선택하는 반복 과정인 액티브 러닝 사이클입니다. 각 사이클에서 새로운 예측 결과를 데이터 소스에 추가하므로 모델은 반복할 때마다 개선됩니다.

이미지 세그멘테이션을 위한 액티브 러닝#

이후 Yono는 액티브 러닝을 이미지 세그멘테이션에 적용했습니다. 예측 결과를 주석 작업을 위해 Label Studio에 전송해 세그멘테이션 모델이 여러 사이클을 거치며 개선될 수 있음을 보여주었습니다.

Label Studio 사용#

Label Studio는 이 파이프라인의 핵심 도구입니다. 프로젝트에 주석이 달린 데이터를 저장하고 Label Studio 서버는 tasks API에 연결됩니다. 작업을 프로젝트 이름에 매핑하면 워크플로를 체계적으로 관리하고 협업을 더 쉽게 할 수 있습니다.

마무리#

발표를 마무리하며 Yono는 특정 작업에 맞게 파이프라인을 최적화하는 방법부터 재현성과 문서화까지 다양한 주제에 관한 청중의 질문에 답했습니다.

전반적으로 발표는 액티브 러닝이 데이터 레이블링과 모델 학습을 더욱 효율적으로 만들 수 있음을 보여주었습니다. 커뮤니티의 지원과 참여를 바탕으로 이러한 아이디어를 발전시켜 나가기를 기대합니다.

YouTube에서 전체 발표 시청하기.