13.1.17. 데이터셋 편집기

사용자 지정 분류기를 학습시키는 일은 레이블이 지정된 데이터셋에서 시작합니다. 모델이 인식해야 할 각 대상의 이미지 수백 장을, 모델을 실행할 카메라로 캡처하여 클래스당 하나의 폴더로 정렬한 것입니다. 데이터셋 편집기는 이러한 데이터셋을 구축하기 위한 IDE의 캡처 워크플로입니다.

Tools → Dataset Editor → New Dataset 은 데이터셋을 구축할 폴더를 묻고(비어 있지 않은 폴더의 내용은 삭제된다고 경고함) 설정합니다. 파일 브라우저 창이 메인 창 왼쪽에 도킹되고, 캡처 스크립트(dataset_capture_script.py)가 편집기에 열립니다. 이 스크립트는 단순한 캡처 루프이며, 편집하도록 만들어졌습니다. 배포될 애플리케이션이 사용할 동일한 렌즈 보정, 자르기, 필터링을 적용하여 모델이 실제로 보게 될 이미지로 학습하도록 하세요. Open Dataset 은 나중에 기존 데이터셋 폴더를 다시 열며, Close Dataset 은 창을 정상으로 되돌립니다.

13.1.17.1. 캡처하기

데이터셋이 열려 있는 동안, 창의 왼쪽 가장자리에 있는 도구 모음의 실행 컨트롤 아래에 두 개의 버튼이 추가됩니다. New Class Folder (Ctrl+Shift+N)는 클래스를 만듭니다. 모델이 학습해야 할 각 범주마다 하나씩, 레이블 이름으로 지정됩니다. 캡처 스크립트가 실행 중이고 클래스 폴더가 선택된 상태에서, Capture Data (Ctrl+Shift+S)는 현재 프레임 버퍼 이미지를 해당 클래스에 저장하며, 파일 브라우저 아래의 미리보기 창이 캡처될 때마다 각 캡처를 보여줍니다.

캡처의 리듬은 이렇습니다. 클래스를 선택하고, 카메라를 그 예시 대상에 향하게 한 뒤 캡처합니다. 대상을 옮기고, 각도와 거리, 배경, 조명을 바꿔가며 다시 캡처합니다. 데이터셋의 다양성이 모델의 견고함을 가져옵니다. 클래스마다 반복하며, 애플리케이션이 아무것도 없을 때를 알아야 한다면 어떤 대상도 포함하지 않은 장면들로 이루어진 배경 클래스도 포함하세요.

13.1.17.2. 내보내기 및 학습

Export 하위 메뉴는 완성된 데이터셋을 학습으로 보냅니다. Export Dataset to Zip File 은 데이터셋을 클래스 접두사가 붙은 파일 이름과 함께 아카이브로 묶습니다. 모든 학습 서비스와 프레임워크가 받아들이는 중립적인 형식입니다. Edge Impulse의 경우 IDE가 직접 통합됩니다. 같은 하위 메뉴에서 Edge Impulse 계정에 로그인하고, Upload to Edge Impulse Project 가 데이터셋을 프로젝트로 곧바로 푸시합니다(이메일과 비밀번호 로그인이 불가능한 계정을 위해 API 키 업로드도 있습니다). 거기서 학습시키고 모델을 내보내면, 보드에 필요할 때 NPU 변환기 가 모델을 카메라용으로 준비시킵니다.

더 보기

데이터셋이 공급되는 학습 워크플로는 머신 비전 장 을 참조하세요.