컴퓨터 비전 데이터 세트를 사용한 맞춤형 학습 Ultralytics YOLO11

다음과 같은 컴퓨터 비전 모델 교육 Ultralytics YOLO11 와 같은 컴퓨터 비전 모델을 훈련하려면 일반적으로 데이터 세트에 대한 이미지를 수집하고, 주석을 달고, 데이터를 준비하고, 특정 요구 사항을 충족하도록 모델을 미세 조정해야 합니다. Ultralytics Python 패키지는 이러한 단계를 간단하고 사용자 친화적으로 만들지만, 비전 AI 개발에는 여전히 많은 시간이 소요될 수 있습니다.

마감 기한이 촉박하거나 프로토타입을 개발할 때 특히 그렇습니다. 이러한 상황에서는 데이터 세트 준비를 간소화하거나 반복적인 작업을 자동화하는 등 프로세스의 일부를 간소화하는 도구나 통합 솔루션이 있으면 큰 차이를 만들 수 있습니다. 이러한 솔루션은 필요한 시간과 노력을 줄여줌으로써 모델을 구축하고 개선하는 데 집중할 수 있도록 도와줍니다. 이것이 바로 Roboflow 통합이 제공하는 이점입니다.

Roboflow 통합을 통해 오픈 소스 컴퓨터 비전 데이터 세트의 대규모 라이브러리인 Roboflow Universe의 데이터 세트에 쉽게 액세스할 수 있습니다. 데이터를 수집하고 정리하는 데 시간을 소비하는 대신 기존 데이터 세트를 빠르게 찾아서 사용하여 YOLO11 교육 프로세스를 바로 시작할 수 있습니다. 이 통합을 통해 컴퓨터 비전 모델 개발을 훨씬 더 빠르고 간편하게 실험하고 반복할 수 있습니다.

이 글에서는 Roboflow 통합을 활용하여 더 빠르게 모델을 개발하는 방법에 대해 자세히 설명합니다. 지금 바로 시작하세요!

Roboflow 유니버스란 무엇인가요?

Roboflow Universe는 컴퓨터 비전 개발을 간소화하는 데 중점을 둔 Roboflow 관리하는 플랫폼입니다. 3억 5천만 개 이상의 이미지, 50만 개의 데이터 세트, 물체 감지, 이미지 분류 및 분할과 같은 작업을 위한 10만 개의 미세 조정된 모델로 구성되어 있습니다. 전 세계 개발자와 연구자들이 기여한 Roboflow Universe는 컴퓨터 비전 프로젝트를 시작하거나 개선하고자 하는 모든 사람을 위한 협업 허브입니다.

‍

Roboflow 유니버스에는 다음과 같은 주요 기능이 포함되어 있습니다:

• 데이터 세트 탐색 도구: 데이터 세트를 탐색, 필터링 및 시각화하여 프로젝트 요구 사항에 맞는 리소스를 신속하게 찾으십시오.
  ‍
• 내보내기 옵션: 워크플로에 맞게 COCO, YOLO, TFRecord, CSV 등의 형식으로 데이터를 내보낼 수 있습니다.
  ↪f_200D↩
• 데이터 세트 분석: 레이블 분포, 클래스 불균형 및 데이터 세트 품질 시각화를 제공하는 분석 도구를 사용하여 다양한 데이터 세트에 대한 통찰력을 얻으십시오. 
  ‍
• 버전 추적: 기여자가 업로드한 다양한 버전의 데이터 집합을 보고 액세스하여 업데이트를 track , 변경 사항을 비교하고, 프로젝트 요구 사항에 가장 적합한 버전을 선택할 수 있습니다. 

Roboflow 통합을 통해 올바른 데이터를 찾을 수 있습니다.

적합한 데이터 세트를 찾는 것은 컴퓨터 비전 모델을 구축하는 데 있어 가장 어려운 부분 중 하나입니다. 데이터 세트 생성에는 일반적으로 많은 양의 이미지를 수집하고, 해당 이미지가 작업과 관련이 있는지 확인한 다음, 정확하게 레이블을 지정하는 작업이 포함됩니다. 

이 프로세스는 특히 짧은 기간에 다양한 접근 방식을 실험하는 경우 많은 시간과 리소스를 소모할 수 있습니다. 기존 데이터 세트를 찾는 것조차 어려울 수 있습니다. 데이터 세트가 여러 플랫폼에 흩어져 있고 제대로 문서화되지 않았거나 필요한 특정 주석이 부족한 경우가 많기 때문입니다.

예를 들어, 농경지에서 잡초를 detect 컴퓨터 비전 애플리케이션을 구축하는 경우, 객체 감지와 인스턴스 세분화 등 다양한 비전 AI 접근 방식을 테스트할 수 있습니다. 이를 통해 데이터 세트를 수집하고 라벨을 붙이는 데 시간과 노력을 들이기 전에 어떤 방법이 가장 효과적인지 실험하고 파악할 수 있습니다.

‍

Roboflow 통합을 사용하면 잡초 탐지, 작물 건강 또는 현장 모니터링에 초점을 맞춘 데이터셋을 포함해 다양한 농업 관련 데이터셋을 탐색할 수 있습니다. 바로 사용할 수 있는 이러한 데이터 세트를 사용하면 데이터를 직접 만들지 않고도 다양한 기술을 시험해보고 모델을 개선할 수 있습니다. 

Roboflow 통합의 작동 방식

이제 Roboflow 통합 기능을 사용하여 적합한 데이터 집합을 찾는 방법에 대해 설명했으니, 이제 워크플로에 어떻게 적용할 수 있는지 살펴보겠습니다. Roboflow Universe에서 데이터 집합을 선택했다면, YOLO11 형식으로 내보내거나 다운로드할 수 있습니다. 데이터 세트를 내보낸 후, 이를 사용하여 Ultralytics Python 패키지를 사용하여 YOLO11 사용자 지정 훈련할 수 있습니다. 

데이터 세트를 다운로드하는 동안 Roboflow Universe가 다른 모델 학습을 위한 다른 형식도 지원한다는 것을 알 수 있습니다. 그렇다면 왜 Ultralytics YOLO11 사용자 지정 학습으로 선택해야 할까요? 

YOLO11 Ultralytics YOLO 모델의 최신 버전으로, 더 빠르고 정확한 물체 감지를 제공하도록 구축되었습니다. YOLOv8m 22% 적은 파라미터(모델이 예측을 위해 훈련 중에 조정하는 내부 값)를 사용하지만 COCO 데이터 세트에서 더 높은 평균 정밀도mAP를 달성합니다. 속도와 정밀도 사이의 이러한 균형 덕분에 YOLO11 다양한 컴퓨터 비전 애플리케이션, 특히 특정 작업에 맞게 모델을 맞춤 학습할 때 다용도로 활용할 수 있습니다.

맞춤 트레이닝 YOLO11 작동 방식을 자세히 살펴보세요:

• 데이터 공급: YOLO11 모델은 데이터 세트를 처리하여 이미지와 해당 주석에서 객체를 detect classify 방법을 학습합니다.
  ↪f_200D↩
• 예측 및 피드백: 모델은 이미지의 객체에 대한 예측을 수행하고 데이터 세트에 제공된 정답과 비교합니다.
  ‍
• 성능 추적: 정확도(정확한 탐지), 재현율(미탐지), 손실(예측 오류)과 같은 지표를 모니터링하여 진행 상황을 측정합니다.
  ‍
• 반복 학습: 모델은 감지 정확도를 높이고 오류를 최소화하기 위해 여러 라운드(epoch)에 걸쳐 파라미터를 조정합니다.
  ‍
• 최종 모델 출력: 학습 후 최적화된 모델이 저장되고 배포 준비가 완료됩니다.

컴퓨터 비전 개발에 중점을 둔 다른 통합

Roboflow 통합을 살펴보다 보면 Ultralytics 문서에 언급된 다른 통합을 발견할 수 있습니다. 유니티는 컴퓨터 비전 개발의 여러 단계와 관련된 다양한 통합을 지원합니다. 

이는 특정 워크플로우에 가장 적합한 것을 선택할 수 있도록 커뮤니티에 다양한 옵션을 제공하기 위함입니다.

‍

데이터 세트 외에도 Ultralytics 다른 통합은 교육, 배포 및 최적화와 같은 컴퓨터 비전 프로세스의 다양한 부분에 중점을 둡니다. 다음은 저희가 지원하는 다른 통합의 몇 가지 예입니다:

• 교육 통합: 효율적인 모델 개발 및 테스트를 위한 클라우드 기반 플랫폼을 제공하여 교육 Paperspace 간소화합니다.
  ↪f_200D↩.
• 워크플로 및 실험 추적 통합: ClearML, MLFlow, W&B( Weights & Biases )는 워크플로우 자동화, 실험 track , 협업 개선을 지원하여 머신 러닝 프로젝트를 더 쉽게 관리할 수 있도록 도와줍니다.
  ↪cf_200D↩
• 최적화 및 배포 통합: CoreML, ONNX, OpenVINO 통해 다양한 디바이스와 프레임워크에 최적화된 배포가 가능하여 Apple 하드웨어 및 Intel CPU와 같은 플랫폼에서 효율적인 성능을 보장합니다.
  ‍
• 모니터링 및 시각화 통합: 텐서보드와 Weights & Biases 훈련 진행 상황을 시각화하고 성과를 모니터링하는 도구를 제공하여 모델을 개선할 수 있는 상세한 인사이트를 제공합니다.

YOLO11 애플리케이션과 통합의 역할

컴퓨터 비전 개발을 지원하는 통합 기능과 YOLO11 안정적인 기능을 결합하면 현실의 문제를 더 쉽게 해결할 수 있습니다. 생산 라인에서 금속 부품의 긁힘이나 누락된 부품과 같은 결함을 detect 데 비전 AI를 사용하는 제조 분야의 컴퓨터 비전과 같은 혁신을 생각해 보세요. 이러한 작업에 적합한 데이터를 수집하는 것은 종종 느리고 어려울 수 있으며, 특수 환경에 대한 액세스가 필요합니다. 

일반적으로 제품 이미지를 캡처하기 위해 생산 라인을 따라 카메라 또는 센서를 설정하는 작업이 포함됩니다. 이러한 이미지는 선명도와 균일성을 보장하기 위해 일관된 조명과 각도에서 대량으로 촬영해야 합니다. 

일단 캡처되면 스크래치, 덴트 또는 누락된 구성 요소와 같은 모든 유형의 결함에 대해 정확한 레이블로 이미지를 꼼꼼하게 주석 처리해야 합니다. 이 프로세스는 데이터 세트가 실제 가변성을 정확하게 반영하도록 하기 위해 상당한 시간과 리소스는 물론 전문 지식이 필요합니다. 견고하고 신뢰할 수 있는 데이터 세트를 만들려면 다양한 결함 크기, 모양 및 재료와 같은 요소를 고려해야 합니다.

기성 데이터 세트를 제공하는 통합 기능은 산업 품질 관리와 같은 작업을 용이하게 하며, YOLO11실시간 감지 기능을 통해 제조업체는 생산 라인을 모니터링하고 결함을 즉시 발견하여 효율성을 개선할 수 있습니다.

‍

데이터 세트와 관련된 통합 기능은 제조업 외에도 다양한 산업에서 사용할 수 있습니다. YOLO11속도와 정확성을 쉽게 액세스할 수 있는 데이터 세트와 결합함으로써 기업은 특정 요구 사항에 맞는 솔루션을 신속하게 개발하고 배포할 수 있습니다. 의료 분야를 예로 들면, 데이터 세트 통합은 종양과 같은 이상 징후를 detect 위해 의료 이미지를 분석하는 솔루션을 개발하는 데 도움이 될 수 있습니다. 마찬가지로 자율 주행에서도 이러한 통합은 차량, 보행자, 교통 표지판을 식별하여 안전을 강화하는 데 도움이 될 수 있습니다.

주요 내용

올바른 데이터 세트를 찾는 것은 컴퓨터 비전 모델을 구축하는 데 있어 가장 시간이 많이 걸리는 부분 중 하나입니다. 하지만 Roboflow 통합하면 컴퓨터 비전을 처음 접하는 사용자도 Ultralytics YOLO 모델을 맞춤 학습하는 데 가장 적합한 데이터 세트를 쉽게 찾을 수 있습니다. 

객체 감지, 이미지 분류 또는 인스턴스 분할과 같은 컴퓨터 비전 작업을 위한 방대한 데이터 세트 컬렉션에 액세스할 수 있는 Roboflow Universe는 데이터 검색 프로세스의 번거로움을 덜어줍니다. 데이터를 수집하고 정리하는 데 시간을 소비하는 대신 빠르게 시작하고 모델 구축에 집중할 수 있도록 도와줍니다. 이 간소화된 접근 방식을 통해 개발자는 컴퓨터 비전 솔루션을 보다 효율적으로 프로토타이핑, 반복, 개발할 수 있습니다.

자세한 내용은 GitHub 저장소를 방문하여 커뮤니티에 참여하십시오. 솔루션 페이지에서 자율 주행 자동차의 AI 및 농업 분야의 컴퓨터 비전과 같은 분야의 혁신을 살펴보세요. 🚀