"물체 검출" 모듈을 사용하기

이 부분에서는 로터의 데이터를 제공합니다.( 이 링크를 클릭하여 다운로드 하십시오. ) 이 부분 내용을 참조하여 사용자가 “물체 검출” 모듈을 통해 모델을 훈련하고 예시 프로그램에 표시된 바와 같이 모든 로터의 위치를 감지하며 수량을 출력할 수 있습니다.

또한 사용자가 스스로 준비한 데이터를 사용할 수 있습니다. 전체 프로세스가 같지만 레이블링 방법이 차이가 있습니다.
  1. 새로운 프로젝트를 만들고 "물체 검출" 모듈을 추가하기: 메인 인터페이스에 있는 새로운 프로젝트 버튼을 클릭하고 프로젝트 경로를 선택하며 프로젝트 명칭을 입력하여 새 프로젝트를 구축합니다. 다음으로 화면 오른쪽 상단에 있는 example projects icon create 아이콘을 클릭하여 "물체 검출" 모듈을 선택하십시오.

    example projects add new module
  2. 로터의 이미지 데이터 세트를 도입하기: 다운로드한 데이터 세트 압축 패키지의 압축을 풀고 왼쪽 상단의 도입 버튼을 클릭하며 폴더를 선택하여 다운로드한 이미지 데이터를 도입합니다.

    example projects import images
  3. ROI 설정: 창 왼쪽에 있는 example projects icon roi 버튼을 클릭하여 로터를 담은 빈을 ROI로 선택하고 왼쪽 상단에 있는 응용 버튼을 클릭하여 사용을 확인합니다. ROI를 설정하는 목적은 불필요한 배경 정보의 간섭을 줄이는 것입니다.

    example projects roi
  4. 훈련 세트와 검증 세크를 분할하기: 기본적으로 소프트웨어는 데이터 세트의 80%를 훈련 세트로, 20%를 검증 세트로 나누며 example projects icon slider 아이콘을 클릭하고 슬라이드를 통해 이미지의 비율을 조정할 수 있습니다. 분할된 훈련 세트와 검증 세트에는 감지해야 하는 모든 유형의 물체를 포함하는지 확인해야 합니다. 기본적으로 분할된 데이터 세트가 이 조건을 충족하지 않는 경우 이미지 이름을 마우스 오른쪽 버튼으로 훈련 세트로 옮기기 또는 검증 세트로 옮기기를 클릭하여 이미지가 속한 데이터 세트를 조정합니다.

    example projects divide dataset
  5. 레이블을 추가하기: 물체의 이름이나 특징에 따라 해당 레이블을 추가합니다. 이 데이터 세트는 로터의 영어 이름(rotor)으로 레이블을 만듭니다.

    example projects create label
  6. 이미지 레이블링: 사각형 레이블링 도구로 이미지 속의 모든 로터를 표기해야 합니다. 표기할 때 사각형 프레임은 로터의 가장자리에 최대한 밀착시켜야 하고 로터 가장자리 외부의 영역에 대해 레이블링을 하는 것을 방지해야 합니다. 잘못된 레이블링으로 인해 모델 훈련의 효과가 나빠질 수도 있습니다. 여기를 클릭하여 레이블링 도구의 사용 방법을 참조하십시오.

    example projects labeling
  7. 모델 훈련: 기본적인 파라미터 설정을 사용하며 훈련 버튼을 클릭하면 모델 훈련 과정을 시작할 수 있습니다. 여기를 클릭하여 훈련 파라미터 구성에 대한 설명 내용을 참조하십시오.

    example projects training
  8. 모델 검증: 훈련이 끝나면 검증 버튼을 클릭하면 검증을 시작하여 모델의 식별 효과를 확인할 수 있습니다. 여기를 클릭하여 검증 파라미터 구성에 대한 설명 내용을 참조하십시오.

    example projects validation
  9. 모델 도출: 도출 버튼을 클릭하여 모델 도출과 관련된 파라미터를 설정하고 도출 버튼을 클릭한 후 저장 경로를 선택하면 모델을 도출할 수 있습니다.

    example projects export model

도출한 모델은 Mech-Vision 및 Mech-DLK SDK에 사용될 수 있습니다. 여기를 클릭하여 상세한 내용을 참조하십시오.