Roboflow

Roboflow 에는 컴퓨터 비전 모델을 구축하고 배포하는 데 필요한 모든 것이 있습니다. 파이프라인의 모든 단계에서 API와 SDK로 Roboflow 에 연결하거나 엔드투엔드 인터페이스를 사용하여 이미지에서 추론에 이르는 전체 프로세스를 자동화할 수 있습니다. 데이터 라벨링, 모델 트레이닝, 모델 배포 등 어떤 작업이 필요하든 Roboflow 은 프로젝트에 맞춤형 컴퓨터 비전 솔루션을 도입할 수 있는 빌딩 블록을 제공합니다.

이 가이드에서는 사용자 지정 Ultralytics YOLO11 모델을 학습하는 데 사용할 데이터를 찾고, 레이블을 지정하고, 정리하는 방법을 소개합니다. 아래 목차를 사용하여 특정 섹션으로 바로 이동하세요:

• 사용자 지정 YOLO11 모델 학습을 위한 데이터 수집
• YOLO11 형식의 데이터 업로드, 변환 및 레이블 지정
• 모델 견고성을 위한 데이터 사전 처리 및 보강
• 다음 대상에 대한 데이터 세트 관리 YOLO11
• 모델 학습을 위해 40개 이상의 형식으로 데이터 내보내기
• 테스트 및 배포를 위한 사용자 지정 YOLO11 모델 가중치 업로드
• 사용자 지정 YOLO11 모델 학습을 위한 데이터 수집

Roboflow 는 YOLO11 모델에 대한 데이터를 수집하는 데 도움이 되는 두 가지 서비스를 제공합니다: 유니버스 및 수집.

Universe는 총 1억 개가 넘는 이미지가 포함된 25만 개 이상의 비전 데이터 세트가 있는 온라인 저장소입니다.

무료 계정( Roboflow )을 사용하면 유니버스에서 사용 가능한 모든 데이터세트를 내보낼 수 있습니다. 데이터세트를 내보내려면 데이터세트에서 "이 데이터세트 다운로드" 버튼을 클릭합니다.

YOLO11 의 경우 내보내기 형식으로 "YOLO11"를 선택합니다:

유니버스에는 Roboflow 에 업로드된 모든 공개 미세 조정된 YOLO11 모델을 집계하는 페이지도 있습니다. 이 페이지를 사용하여 테스트 또는 자동화된 데이터 라벨링에 사용할 수 있는 사전 학습된 모델을 탐색하거나 Roboflow 추론으로 프로토타이핑할 수 있습니다.

이미지를 직접 수집하려면 엣지에서 웹캠을 사용하여 이미지를 자동으로 수집할 수 있는 오픈 소스 프로젝트인 Collect를 사용해 보세요. Collect에서 텍스트 또는 이미지 프롬프트를 사용하여 수집할 데이터를 지시할 수 있으므로 비전 모델을 구축하는 데 필요한 유용한 데이터만 캡처할 수 있습니다.

YOLO11 형식의 데이터 업로드, 변환 및 레이블 지정

Roboflow Annotate는 객체 감지, 분류 및 세분화를 위해 이미지에 라벨을 붙이는 데 사용하는 온라인 주석 도구입니다.

YOLO11 개체 감지, 인스턴스 세분화 또는 분류 모델의 데이터에 레이블을 지정하려면 먼저 Roboflow 에서 프로젝트를 생성합니다.

그런 다음, 이미지와 다른 도구에서가져온 기존 주석(지원되는 40개 이상의 가져오기 형식 중 하나 사용)을 Roboflow 에 업로드합니다.

이미지를 업로드한 후 주석 달기 페이지에서 업로드한 이미지의 일괄 처리를 선택합니다. 그런 다음 '주석 달기 시작'을 클릭하여 이미지에 라벨을 지정합니다.

경계 상자로 레이블을 지정하려면 B 키를 누르거나 사이드바에서 상자 아이콘을 클릭합니다. 시작하려는 지점을 클릭합니다. 바운딩 박스를 클릭한 다음 드래그하여 상자를 만듭니다:

주석을 생성하면 주석에 사용할 클래스를 선택하라는 팝업이 나타납니다.

다각형으로 레이블을 지정하려면 P 키를 누르거나 사이드바의 다각형 아이콘을 클릭합니다. 다각형 주석 도구를 활성화한 상태에서 이미지의 개별 점을 클릭하여 다각형을 그립니다.

Roboflow 는 이미지에 라벨을 더 빠르게 붙일 수 있는 SAM 기반 라벨 어시스턴트를 제공합니다. SAM (Segment Anything Model)은 이미지에 정밀하게 라벨을 붙일 수 있는 최첨단 컴퓨터 비전 모델입니다. SAM 을 사용하면 이미지 라벨링 프로세스의 속도를 크게 높일 수 있습니다. 물체 주변의 점을 정확하게 클릭하는 지루한 과정 대신 몇 번의 클릭만으로 다각형으로 이미지에 주석을 달 수 있습니다.

라벨 도우미를 사용하려면 사이드바에서 커서 아이콘을 클릭하면 프로젝트에서 사용할 수 있도록 SAM 이 로드됩니다.

이미지의 개체 위로 마우스를 가져가면 SAM 에서 주석을 추천합니다. 마우스를 가져가서 주석을 달 적절한 위치를 찾은 다음 클릭하여 주석을 만들 수 있습니다. 주석을 더 구체적으로 수정하려면 SAM 이 문서에 만든 주석의 안쪽 또는 바깥쪽을 클릭하면 됩니다.

사이드바의 태그 패널에서 이미지에 태그를 추가할 수도 있습니다. 특정 지역의 데이터, 특정 카메라에서 촬영한 데이터 등에 태그를 적용할 수 있습니다. 그런 다음 이러한 태그를 사용하여 데이터에서 태그와 일치하는 이미지를 검색하고 특정 태그 또는 태그 집합이 포함된 이미지로 데이터 세트의 버전을 생성할 수 있습니다.

Roboflow 에 호스팅된 모델은 YOLO11 모델을 사용하여 주석을 추천하는 자동화된 주석 도구인 Label Assist와 함께 사용할 수 있습니다. 라벨 어시스트를 사용하려면 먼저 YOLO11 모델을 Roboflow 에 업로드합니다(가이드 뒷부분의 지침 참조). 그런 다음 왼쪽 사이드바에서 마술봉 아이콘을 클릭하고 라벨 어시스트에서 사용할 모델을 선택합니다.

모델을 선택한 다음 '계속'을 클릭하여 라벨 지원을 활성화합니다:

주석을 달 새 이미지를 열면 라벨 어시스트가 주석을 트리거하고 추천합니다.

데이터 세트 관리 YOLO11

Roboflow 는 컴퓨터 비전 데이터 세트를 이해하기 위한 도구 모음을 제공합니다.

먼저 데이터 세트 검색을 사용하여 시맨틱 텍스트 설명을 충족하는 이미지(즉, 사람이 포함된 모든 이미지 찾기)나 지정된 라벨을 충족하는 이미지(즉, 이미지가 특정 태그와 연관되어 있음)를 찾을 수 있습니다. 데이터 세트 검색을 사용하려면 사이드바에서 '데이터 세트'를 클릭합니다. 그런 다음 페이지 상단의 검색창과 관련 필터를 사용하여 검색어를 입력합니다.

예를 들어, 다음 텍스트 쿼리는 데이터 세트에 사람이 포함된 이미지를 찾습니다:

'태그' 선택기를 사용하여 특정 태그가 있는 이미지로 검색 범위를 좁힐 수 있습니다:

데이터 세트로 모델 학습을 시작하기 전에 비전 모델을 학습하기 전에 데이터 세트에 대한 인사이트와 데이터 세트를 개선할 수 있는 방법을 제공하는 웹 도구인 Roboflow 상태 확인을 사용하는 것이 좋습니다.

상태 확인을 사용하려면 사이드바의 '상태 확인' 링크를 클릭합니다. 데이터 집합에 있는 이미지의 평균 크기, 클래스 잔액, 이미지에 주석이 있는 위치의 히트맵 등을 보여주는 통계 목록이 나타납니다.

상태 점검은 데이터 세트 성능 향상에 도움이 되는 변경 사항을 권장할 수 있습니다. 예를 들어, 클래스 균형 기능은 레이블에 불균형이 있음을 보여줄 수 있으며, 이를 해결하면 성능이나 모델을 향상시킬 수 있습니다.

모델 학습을 위해 40개 이상의 형식으로 데이터 내보내기

데이터를 내보내려면 데이터 집합 버전이 필요합니다. 버전은 데이터 집합의 시간이 고정된 상태입니다. 버전을 만들려면 먼저 사이드바에서 '버전'을 클릭합니다. 그런 다음 "새 버전 만들기" 버튼을 클릭합니다. 이 페이지에서 데이터 집합에 적용할 증강 및 전처리 단계를 선택할 수 있습니다:

선택한 각 확대 기능에 대해 필요에 따라 확대 기능을 조정할 수 있는 팝업이 나타납니다. 다음은 지정된 매개변수 내에서 밝기 증강을 조정하는 예시입니다:

데이터 세트 버전이 생성되면 데이터를 다양한 형식으로 내보낼 수 있습니다. 데이터 세트 버전 페이지에서 '데이터 세트 내보내기' 버튼을 클릭하여 데이터를 내보내세요:

이제 사용자 지정 데이터 세트에 대해 YOLO11 을 훈련할 준비가 되었습니다. 이 서면 가이드와 YouTube 동영상에서 단계별 지침을 따르거나 Ultralytics 문서를 참조하세요.

테스트 및 배포를 위한 사용자 지정 YOLO11 모델 가중치 업로드

Roboflow 는 배포된 모델에 사용할 수 있는 확장 가능한 API와 NVIDIA Jetson, Luxonis OAK, Raspberry Pi, GPU-기반 디바이스 등에 사용할 수 있는 SDK를 제공합니다.

YOLO11 가중치를 Roboflow 에 업로드하여 YOLO11 모델을 배포할 수 있습니다. 이 작업은 Python 코드의 몇 줄로 수행할 수 있습니다. Python 파일을 새로 만들고 다음 코드를 추가합니다:

import roboflow  # install with 'pip install roboflow'

roboflow.login()

rf = roboflow.Roboflow()

project = rf.workspace(WORKSPACE_ID).project("football-players-detection-3zvbc")
dataset = project.version(VERSION).download("yolov8")

project.version(dataset.version).deploy(model_type="yolov8", model_path=f"{HOME}/runs/detect/train/")

이 코드에서 프로젝트 ID와 버전 ID를 계정 및 프로젝트의 값으로 바꿉니다. Roboflow API 키를 검색하는 방법을 알아보세요.

위의 코드를 실행하면 인증을 요청하는 메시지가 표시됩니다. 그런 다음 모델이 업로드되고 프로젝트에 대한 API가 생성됩니다. 이 과정은 완료하는 데 최대 30분이 걸릴 수 있습니다.

모델을 테스트하고 지원되는 SDK에 대한 배포 지침을 찾으려면 Roboflow 사이드바의 '배포' 탭으로 이동하세요. 이 페이지 상단에 모델을 테스트할 수 있는 위젯이 나타납니다. 웹캠을 사용하여 실시간 테스트를 하거나 이미지 또는 동영상을 업로드할 수 있습니다.

업로드한 모델을 라벨링 도우미로 사용할 수도 있습니다. 이 기능은 학습된 모델을 사용하여 Roboflow 에 업로드된 이미지에 주석을 추천합니다.

YOLO11 모델 평가 방법

Roboflow 는 모델 평가에 사용할 수 있는 다양한 기능을 제공합니다.

모델을 Roboflow 에 업로드한 후에는 모델의 성능을 보여주는 혼동 행렬과 대화형 벡터 분석 플롯을 제공하는 모델 평가 도구에 액세스할 수 있습니다. 이러한 기능을 통해 모델을 개선할 수 있는 기회를 찾을 수 있습니다.

혼동 매트릭스에 액세스하려면 Roboflow 대시보드의 모델 페이지로 이동한 다음 '상세 평가 보기'를 클릭합니다:

혼동 매트릭스가 표시된 팝업이 나타납니다:

혼동 매트릭스의 상자 위로 마우스를 가져가면 해당 상자와 관련된 값을 볼 수 있습니다. 상자를 클릭하면 해당 카테고리의 이미지를 볼 수 있습니다. 이미지를 클릭하면 해당 이미지와 연관된 모델 예측 및 실측 데이터를 볼 수 있습니다.

더 많은 인사이트를 얻으려면 벡터 분석을 클릭합니다. 그러면 CLIP을 사용하여 계산된 데이터 세트의 이미지 분산형 차트가 표시됩니다. 플롯에서 이미지가 가까울수록 의미적으로 더 유사합니다. 각 이미지는 흰색과 빨간색 사이의 색상을 가진 점으로 표시됩니다. 점이 빨간색일수록 모델의 성능이 떨어집니다.

벡터 분석을 사용하여 다음을 수행할 수 있습니다:

• 이미지 클러스터를 찾습니다;
• 모델의 성능이 저조한 클러스터를 식별하고;
• 모델이 제대로 작동하지 않는 이미지 간의 공통점을 시각화합니다.

학습 리소스

YOLO11 모델을 만드는 데 Roboflow 을 사용하는 방법에 대해 자세히 알아보고 싶으신가요? 다음 리소스가 작업에 도움이 될 수 있습니다.

• 사용자 지정 데이터 세트에서 YOLO11 훈련하기: 사용자 지정 데이터 집합에서 YOLO11 모델을 훈련하는 방법을 보여주는 대화형 노트북을 따라하세요.
• 오토디스틸: 대규모 기초 비전 모델을 사용하여 특정 모델의 데이터에 라벨을 지정합니다. 오토디스틸을 사용하여 YOLO11 분류, 감지 및 세분화 모델을 훈련하는 데 사용할 이미지에 레이블을 지정할 수 있습니다.
• 감독: 컴퓨터 비전 모델 작업에 사용할 수 있는 유용한 유틸리티가 포함된 Python 패키지입니다. 수퍼비전을 사용하여 탐지 필터링, 혼동 행렬 계산 등을 Python 코드 몇 줄로 수행할 수 있습니다.
• Roboflow 블로그: Roboflow 블로그에는 YOLO11 모델을 훈련하는 방법부터 주석 모범 사례에 이르기까지 컴퓨터 비전에 관한 500개 이상의 기사가 게시되어 있습니다.
• Roboflow YouTube 채널: YouTube 채널에서 수십 개의 심층적인 컴퓨터 비전 가이드를 찾아보세요. YOLO11 모델 교육부터 자동화된 이미지 라벨링에 이르기까지 다양한 주제를 다룹니다.

프로젝트 쇼케이스

다음은 컴퓨터 비전 모델을 만들기 위해 YOLO11 및 Roboflow 을 함께 사용하면서 받은 많은 피드백 중 일부입니다.

자주 묻는 질문

Roboflow 을 사용하여 YOLO11 모델의 데이터에 레이블을 지정하려면 어떻게 해야 하나요?

Roboflow 을 사용하여 YOLO11 모델에 대한 데이터에 라벨을 지정하는 방법은 Roboflow Annotate를 사용하면 간단합니다. 먼저 Roboflow 에서 프로젝트를 만들고 이미지를 업로드합니다. 업로드한 후 이미지 배치를 선택하고 "주석 달기 시작"을 클릭합니다. 그 다음 B 키를 사용하여 상자의 경계를 지정하거나 P 키를 누르세요. 더 빠르게 주석을 달려면 사이드바에서 커서 아이콘을 클릭하여 SAM-기반 라벨 도우미를 사용하세요. 자세한 단계는 다음에서 확인할 수 있습니다. 여기.

YOLO11 교육 데이터 수집을 위해 Roboflow 에서는 어떤 서비스를 제공하나요?

Roboflow 는 YOLO11 교육 데이터 수집을 위한 두 가지 주요 서비스를 제공합니다: 유니버스 및 수집. Universe는 250,000개 이상의 비전 데이터 세트에 액세스할 수 있으며, Collect는 웹캠과 자동화된 프롬프트를 사용하여 이미지를 수집하는 데 도움을 줍니다.

Roboflow 을 사용하여 YOLO11 데이터 집합을 관리하고 분석하려면 어떻게 해야 하나요?

Roboflow 는 데이터 세트 검색, 태그 지정, 상태 확인 등 강력한 데이터 세트 관리 도구를 제공합니다. 검색 기능을 사용해 텍스트 설명이나 태그를 기반으로 이미지를 찾을 수 있습니다. 상태 확인은 클래스 밸런스, 이미지 크기, 주석 히트맵을 표시하여 데이터 세트 품질에 대한 인사이트를 제공합니다. 이는 YOLO11 모델을 훈련하기 전에 데이터 세트 성능을 최적화하는 데 도움이 됩니다. 자세한 정보는 여기에서 확인할 수 있습니다.

Roboflow 에서 YOLO11 데이터 집합을 내보내려면 어떻게 하나요?

Roboflow 에서 YOLO11 데이터셋을 내보내려면 데이터셋 버전을 만들어야 합니다. 사이드바에서 "버전"을 클릭한 다음 "새 버전 만들기"를 클릭하고 원하는 보강을 적용합니다. 버전이 생성되면 '데이터 세트 내보내기'를 클릭하고 YOLO11 형식을 선택합니다. 여기에서 이 과정을 따르세요.

YOLO11 모델을 Roboflow 과 통합하고 배포하려면 어떻게 해야 하나요?

Python 코드 몇 줄을 통해 YOLO11 가중치를 업로드하여 Roboflow 에 YOLO11 모델을 통합 및 배포합니다. 제공된 스크립트를 사용하여 모델을 인증하고 업로드하면 배포를 위한 API가 생성됩니다. 스크립트 및 추가 지침에 대한 자세한 내용은 이 섹션을 참조하세요.

YOLO11 모델 평가를 위한 Roboflow 도구에는 어떤 것이 있나요?

Roboflow 에서는 혼동 행렬 및 벡터 분석 플롯을 포함한 모델 평가 도구를 제공합니다. 모델 페이지의 '상세 평가 보기' 버튼에서 이러한 도구에 액세스할 수 있습니다. 이러한 기능은 모델 성능 문제를 파악하고 개선할 영역을 찾는 데 도움이 됩니다. 자세한 내용은 이 섹션을 참조하세요.

📅1 년 전 생성됨 ✏️ 업데이트됨 6 일 전

댓글