데이터 획득
- 데이터 획득 중 카메라의 노출을 수동으로 조정하거나 보조 조명을 추가하여 조명 조건의 변화를 시뮬레이션하는 것이 효과적일 수 있을까요?
-
아니요. 시뮬레이션된 조명은 실제 조건을 정확히 반영하지 못할 수 있어, 해당 환경에서 얻은 이미지는 모델 훈련에 적절하지 않을 수 있습니다. 따라서 조명 조건이 시간대에 따라 변하는 경우, 각 조건에서 직접 이미지를 수집하는 것이 바람직합니다.
- 카메라가 고정되어 있고, 유입되는 물체의 위치가 약간씩 달라지는 경우, 데이터 획득 중 카메라를 이동시켜 위치 변화를 시뮬레이션하는 방식이 효과적일 수 있을까요?
-
아니요. 데이터 획득 전에 카메라는 고정된 위치에 있어야 합니다. 획득 중에 카메라를 움직이면 카메라의 외부 파라미터가 변하여 모델 훈련에 부정적인 영향을 줄 수 있습니다. 물체 위치 변화에 유연하게 대응하려면 ROI를 더 넓게 설정하는 것이 도움이 됩니다.
- 이전에 사용하던 카메라의 데이터 품질이 만족스럽지 않아 새로운 카메라로 교체한 경우, 기존 카메라로 촬영한 영상을 데이터 세트에 추가해야 할까요?
-
아니요. 카메라 교체 후, 모델 훈련에 사용되는 모든 데이터는 새 카메라에서 가져와야 합니다. 새 카메라를 사용하여 다시 데이터 획득을 수행하고 해당 데이터를 훈련에 사용하세요.
- 배경을 변경하면 딥 러닝 모델 성능에 영향을 미칩니까?
-
예. 배경을 변경하면 오인식이나 대상 물체 인식 실패 등 인식 오류가 발생할 수 있습니다. 따라서 초기에 배경을 설정한 후에는 변경하지 않는 것이 좋습니다.
- 카메라 모델이나 높이가 다를 경우, 획득한 데이터를 함께 사용해 하나의 모델을 훈련할 수 있나요?
-
네, 하지만 ROI 설정을 조정해 주세요. 이미지 간의 차이를 줄이기 위해, 각 높이에 따라 다른 ROI를 설정하는 것이 좋습니다.
- 고반사 금속 부품의 경우, 데이터를 획득할 때 어떤 요소를 고려해야 합니까?
-
과다 노출이나 노출 부족은 피하는 것이 좋습니다. 이미지의 일부에서 과다 노출이 불가피한 경우에는, 물체의 윤곽이 선명하게 나타나는지 확인하세요.
- 박스의 경우, 데이터를 획득할 때 어떤 요소를 고려해야 합니까?
-
표준 형태의 상자를 사용하고, 과다 노출이나 노출 부족을 피하세요. 이미지 밝기를 조정해도 인식 성능이 향상되지 않으면, Mech-Mind 기술 지원팀에 카메라 모델, 장착 높이, 제품 정보 등을 제공해 문의해 주세요.
- 현장 조명 조건이 복잡하여(예: 물체가 그림자에 가려져 있는 경우) 모델 성능이 불안정해지는 경우, 어떻게 개선할 수 있을까요?
-
필요에 따라 차광 장치 또는 보조 조명을 추가해 주세요.