Roboflow 이미지 전처리 + 모델 훈련

이미지 전처리

1. Upload Data → 파일 올리기 또는 폴더 올리기
   

   

2. Not Annotated 클릭 → 아무 사진 클릭
   

   

3. 각각의 객체 선택, 클래스는 없으면 만들어주기(영어) 한 사진 작업 끝나면 좌측 상단의 뒤로가기 버튼 클릭 다른 버튼 클릭하면 의미없이 기다리기만 해야함
   

   

   각각의 객체를 최대한 정확하게 빼먹는거 없이 체크해 줘야함,      이때 대충 체크하면, 인식률에 크게 영향 미침.

4. 올린 모든 사진의 라벨링이 끝나면 우측 상단의 Save And Continue 클릭
   

   

5. Train, Valid, Test set 비율이 조정 가능하니 각자 필요에 맞게 선택할 것
   특정 클래스에 대해 과대적합 또는 과소적합이 일어나지 않도록, 클래스간 사진, 객체 수 신경써야 함
   

   

   어떤 클래스는 하나의 사진에 여러 객체가 포함되어 있다. 이러한 점 때문에 어느정도는 under represented가 발생 할 수 있다

모델 훈련

1. roboflow에서 모델 학습하기 버튼을 누르고, roboflow 3.0 모델을 선택한다.
   Yolo-Nas는 실시간 객체 인식에 특화된 모델로, 여러 객체를 인식할 수는 있으나, 훈련 시간이 매우 길다.
2. 학습 시작점을 고른다. 만일 시작점이 없더라면 기본 설정으로 한다.
3. 사진 3000장 정도면 대략 4~5시간만 기다리면 모델이 완성될 것이다.

우리 1차 모델의 MaP는 72% 정도였다.

아래는 실험 결과이다.

오이를 인식하기 어려워 하는 모습이였고, 다른 재료에 대해 실험 해봐도 인식이 안되거나 잘못되는 재료들이 많았다.

오른쪽에는 어떤 객체가 어디서 인식되었는지 json 형태로 알려준다.

 

모델은 차차 발전시켜 나가기로 했다. 데이터셋에 시간을 많이 투자해야하는 작업이기 때문이다.

목표 MaP는 95%이다.

 

다음 글에서는 Roboflow Java API 적용법에 대해 설명하겠다.