DagsHub 액티브 러닝 파이프라인 살펴보기

또 다른 YOLO VISION 2023(YV23) 연사와 함께 최첨단 인공지능(AI) 방법론의 세계로 들어가 보겠습니다! 마드리드의 Google for Startups 캠퍼스에서 개최된 Ultralytics 주최 행사에서 DagsHub의 전 머신 러닝 옹호자였던 Yono Mittlefehldt가 무대에 올라 액티브 러닝 파이프라인의 놀라운 기능을 소개했습니다.

소개 및 개요#

여정을 시작하기에 앞서 액티브 러닝 파이프라인을 소개하며 배경을 살펴보겠습니다. 이번 강연에서는 액티브 러닝과 기존 지도 학습 방법의 차이점을 살펴보았습니다.

데이터 준비#

첫 번째 단계에서는 액티브 러닝 파이프라인의 기반을 마련합니다. 종속성을 가져오고 데이터 소스를 설정한 다음, 초기 어노테이션으로 메타데이터를 보강하는 작업을 시작합니다. AI 기반 탐색을 위한 토대를 준비하는 과정입니다.

모델 학습#

데이터를 준비하고 사용할 수 있게 되면 모델 학습의 흥미로운 영역으로 들어갑니다. Yono는 Ultralytics YOLOv8 데이터셋과 YAML 파일을 사용해 학습 중 파라미터와 메트릭을 기록하는 콜백을 추가했습니다. 이는 AI 모델이 성공적으로 학습될 수 있도록 준비하는 중요한 단계입니다.

액티브 러닝 사이클#

다음 단계는 액티브 러닝 사이클입니다. 사전 학습된 모델을 로드하고, 레이블이 지정되지 않은 데이터에 점수를 매기며, 어노테이션할 샘플을 선택하는 동적 프로세스입니다. 예측 결과로 데이터 소스를 반복적으로 보강하면서 숨겨진 인사이트를 발견하고 모델의 성능을 한 단계 더 발전시킵니다.

이미지 세그멘테이션을 위한 액티브 러닝#

이미지 세그멘테이션을 중심으로 액티브 러닝이 가진 혁신적인 가능성을 살펴봅니다. 어노테이션을 위해 예측 결과를 Label Studio에 전송하면서 여러 사이클을 통해 모델을 개선할 수 있는 가능성을 확인합니다. 각 반복 과정이 AI의 완성도에 한 걸음 더 가까이 다가가게 하는 발견의 여정입니다.

Label Studio 사용#

AI의 탁월한 성능을 추구하는 과정에서 Label Studio는 중요한 도구로 자리 잡습니다. 어노테이션된 데이터를 저장할 프로젝트를 만들고, Label Studio 서버를 활용해 tasks API에 원활하게 연결합니다. 태스크를 프로젝트 이름에 매핑하여 워크플로를 간소화하고 더욱 원활한 협업을 위한 기반을 마련합니다.

마무리#

강연이 마무리될 무렵 Yono는 청중이 보내온 주요 질문에 답했습니다. 특정 작업에 맞게 파이프라인을 최적화하는 방법부터 재현성과 문서화의 중요성까지 다루며, 이 여정의 모든 측면이 모범 사례와 업계 표준에 기반하도록 했습니다.

전반적으로 YV23에서 액티브 러닝을 살펴본 이번 여정은 매우 흥미로웠습니다. 새롭게 얻은 지식과 인사이트를 바탕으로, 액티브 러닝의 강력한 기능과 커뮤니티의 지원 및 참여에 힘입어 새로운 AI 여정을 시작할 준비가 되었습니다.

AI 혁신의 한계를 계속 확장하고 머신 러닝의 세계에서 가능한 일의 범위를 새롭게 정의하는 여정에 함께해 주세요. 전체 강연을 시청하세요 전체 강연 시청!