인스턴스 세그먼테이션 사용방법

이미지 데이터 가져오기 : 수집한 이미지를 가져오거나, 이 섹션에서 제공한 데이터 파일의 압축을 푼 후 왼쪽 상단의 가져오기/내보내기 버튼을 클릭하고 폴더 가져오기를 선택하여 이미지를 가져옵니다.

ROI 선택 : ROI 도구 버튼()을 클릭하여 나무 블록이 있는 bin을 선택합니다. 그런 다음, ROI의 우측 하단에 있는 확인 버튼()을 클릭하여 설정을 저장합니다. ROI를 설정하는 목적은 불필요한 배경의 간섭을 줄이는 것입니다.

클래스 만들기 : 클래스 패널에서 + 추가 버튼을 클릭하고 다양한 물체 유형이나 특징에 따라 클래스를 만듭니다. 이 프로젝트에서는 앞면/뒷면 구분 등의 요구 없이 단일 유형만 식별하면 되므로, 클래스는 하나만 생성하면 됩니다. 여러 유형의 물체를 인식해야 하는 경우에는 물체 특징에 따라 여러 클래스를 만들고 이름을 지정할 수 있습니다.

공용 레이블링 규칙 : 이 시나리오에서는 가장 위에 노출된 부품에만 레이블을 지정합니다. 부품의 중심과 양쪽 끝이 가려지지 않아야 하며, 픽 포인트가 빈에 너무 가까이 위치하지 않아야 합니다.

데이터 레이블링 : 화면 왼쪽의 레이블 툴 바에서 을 마우스 왼쪽 버튼을 길게 누르거나, 마우스 오른쪽 버튼으로 클릭하여 레이블 도구를 선택합니다. 이 시나리오에서는 부품의 형상이 불규칙하므로 다각형 도구를 사용하여 여러 앵커 포인트를 설정해 다각형 레이블을 만듭니다.
이미지 데이터가 많을 경우 모든 데이터에 레이블을 지정할 필요는 없습니다. 소량의 데이터만으로도 훈련을 시작할 수 있으며, 예를 들어 이 시나리오에서는 10장의 이미지만 선택하여 레이블링하면 충분합니다. 또한, 부품의 위치 등 특징을 기반으로 차별성이 있는 이미지를 우선적으로 레이블링하는 것이 좋습니다.

훈련 세트 및 검증 세트 비율 조정: 레이블이 지정된 이미지를 훈련 세트로 이동한 후, 훈련 세트와 검증 세트의 비율을 설정합니다. 일반적으로 전체 데이터의 80%를 훈련, 20%를 검증에 사용합니다. 소프트웨어는 레이블이 지정되어 훈련 세트로 이동된 이미지를 자동으로 학습용/검증용으로 분할합니다.

데이터 증강 파라미터 구성 : 이상적인 훈련 데이터는 실제 생산 환경에서 발생할 수 있는 다양한 조건을 반영해야 합니다.

훈련 파라미터 설정

훈련 시작 : 훈련 탭에서 훈련 버튼을 클릭하여 모델 훈련을 시작합니다.

훈련 정보를 통해 훈련 상태 확인 : 훈련 탭 아래의 훈련 정보 패널에서 실시간으로 모델 훈련 정보를 확인할 수 있습니다.

훈련 차트를 통해 훈련 상태 확인 : 훈련 탭에서 훈련 차트 및 훈련 센터 버튼을 클릭하면, 모델 훈련 과정 중 정확도 곡선과 손실 곡선의 변화 및 훈련 상태를 실시간으로 확인할 수 있습니다. 훈련이 완료되면, 최고 정확도 와 테스트 세트 검증 결과를 통해 모델 훈련 효과를 평가합니다. 정확도 곡선이 전반적으로 상승하고, 손실 곡선이 전반적으로 하락하는 추세를 보이면 현재 훈련이 정상적으로 진행되고 있음을 의미합니다.

모델 검증 : 훈련이 완료된 후, 검증 탭에서 검증 버튼을 클릭하여 모델을 검증할 수 있습니다.

모델 검증 결과 확인

훈련 재시작 : 새로 레이블링한 이미지를 훈련 세트에 추가한 후, 훈련 버튼을 클릭하여 훈련을 다시 시작합니다.

모델 검증 결과 재확인 : 훈련 완료 후, 검증 버튼을 다시 클릭하여 모델을 검증하고, 각 데이터 세트에서의 검증 결과를 다시 확인합니다.

모델 파인튜닝(선택 사항) : 개발자 모드를 활성화한 후, 훈련 파라미터 설정에서 모델 파인튜닝 기능을 사용할 수 있습니다.

모델 지속 최적화 : 모델이 실제 사용 요구 사항을 충족할 때까지, 위의 단계를 반복하여 모델 성능을 지속적으로 최적화합니다.