훈련

이미지 밝기의 정도. 작업 현장의 조명이 크게 변경되면 휘도 범위를 조정하여 다른 조명 조건에서 설정된 이미지 데이터를 증강할 수 있습니다.

가장 밝은 부분과 가장 어두운 부분과의 비율. 대상 물체와 배경 사이의 차이가 적을 때는 명암비 범위를 적절하게 조정하여 대상 물체의 특징이 더 잘 보이도록 합니다.

이미지의 모든 픽셀 좌표에 지정된 가로 및 세로 옵셋을 추가합니다. 작업 현장의 물체(빈, 파렛트 등)의 위치가 넓은 범위에서 이동할 때 평행 이동 파라미터를 조정하여 가로 및 세로 이동 데이터를 램덤으로 곱할 수 있습니다.

이미지의 중심을 기준으로 특정 각도만큼 이미지를 회전시켜 새로운 이미지를 생성합니다. 일반적으로 기본적인 파라미터 설정을 사용하면 수요를 충족할 수 있습니다. 물체 배치 각도가 크게 변경되면 회전 파라미터를 조정하여 여러 각도의 이미지 데이터를 램덤으로 곱할 수 있습니다.

특정 비율로 이미지를 축소하거나 확대합니다. 특정 비율로 이미지를 축소하거나 확대합니다. 물체의 높이 차이가 큰 경우 크기 조정 파라미터를 조정하여 크기 조정 정도가 다른 이미지 데이터를 랜덤으로 곱할 수 있습니다.

이미지를 왼쪽에서 오른쪽으로 180° 뒤집습니다. 대상 물체가 좌우 대칭인 경우 수평 뒤집기 기능을 켤 수 있습니다.

이미지를 위에서 아래로 180° 뒤집습니다. 대상 물체가 상하 대칭인 경우 수직 뒤집기 기능을 켤 수 있습니다.

"결함 세그먼테이션" 모듈에서만 사용될 수 있습니다. 이미지에 표시된 결함 영역은 일정 비율로 확대됩니다. 일반적으로 선택할 필요가 없으며 이미지에서 레이블링된 결함이 아주 작은 경우 레이블 팽창 기능을 선택하여 이미지 크기 조정으로 인해 결함이 너무 작아서 훈련에 영향을 미치는 상황을 피할 수 있습니다.

훈련 시 신경망에 입력된 이미지의 너비와 높이입니다(단위: 픽셀). 기본 설정 사용을 권장하며, 이미지에서 물체나 표기된 결함 영역이 작을 경우 입력된 이미지의 사이즈 를 적절히 늘려야 합니다. 이미지 크기가 클수록 모델 정확도는 높아지지만 훈련 속도는 느려집니다.

신경망 훈련을 위해 한 번에 선택한 샘플의 수입니다. 신경망 훈련을 위해 한 번에 선택한 샘플의 수입니다. 기본 설정을 사용하는 것이 좋으며 훈련 속도를 높여야 하는 경우 배치 크기(Batch Size) 파라미터를 적절하게 증가시킬 수 있습니다. 하지만 너무 크게 설정하면 메모리 사용량이 증가합니다.

모델 훈련 시 각 평가 간격의 반복 횟수입니다. 기본 설정 사용을 권장하며, 평가 간격 파라미터를 높이면 훈련 속도를 높일 수 있습니다. 파라미터의 값이 클수록 훈련 속도가 빨라지고 파라미터의 값이 작을수록 훈련 속도가 느려지지만 최적의 모델을 선택하는 데 도움이 됩니다.

모델 훈련의 총 반복 횟수입니다. 기본 설정 사용을 권장하며, 인식할 이미지의 특징이 복잡한 경우 모델 효과를 향상시키기 위해 훈련 횟수를 적절히 늘리면 모델 효과가 좋아지지만 훈련 시간이 길어집니다.

신경망 훈련 시 각 반복에 대해 최적화한 보폭을 결정하는 하이퍼 파라미터입니다. 기본 설정 사용을 권장하며, 그래프 손실 곡선이 느리게 수렴하는 경우 학습률 을 적절하게 높일 수 있으며, 그래프 정확도의 변동이 심한 경우 학습률 을 적절히 낮출 수 있습니다.

모델을 배포하는 장치의 그래픽 카드 정보. 사용자의 장치에 여러 GPU가 있는 경우 지정된 GPU에 훈련할 수 있습니다.

신경망 구조를 단순화하는 데 사용됩니다. 기본적으로 선택하지 않습니다. 훈련 데이터가 상대적으로 간단할 때 이 옵션을 사용하면 훈련과 추론의 속도를 높일 수 있습니다.