안경잡이개발자

728x90
반응형

  Roboflow컴퓨터 비전(Computer Vision) 기술을 이용해 다양한 애플리케이션을 만들 수 있도록 지원해주는 서비스입니다. Roboflow는 다양한 무료 데이터셋을 지원하고 있다는 특징이 있는데요, 사이트에 접속한 뒤에 다양한 무료 데이터셋을 다운로드할 수 있습니다.

 

  ▶ Roboflow 웹 사이트: https://roboflow.com/

 

Roboflow: Everything you need to start building computer vision into your applications

Even if you're not a machine learning expert, you can use Roboflow train a custom, state-of-the-art computer vision model on your own data. Let us show you how.

roboflow.com

 

  사이트에 접속했을 때 다음과 같은 메인 화면을 만날 수 있습니다.

 

 

  데이터셋은 다음과 같이 [Datasets] 페이지로 접속하면 됩니다.

 

 

  이후에 다음과 같이 [Public Datasets]에 접속한 뒤에 다양한 데이터 세트를 확인할 수 있습니다. 예를 들어 [Mask Wearing Dataset]을 확인할 수 있습니다.

 

 

  데이터셋에 관련한 정보를 확인하기 위해 [More Info] 버튼을 눌러볼 수 있습니다.

 

 

  확인 결과 마스크 데이터셋은 CC0 라이센스가 붙은 것을 알 수 있습니다. CC0 라이센스는 기본적으로 아무런 조건없이 사용할 수 있는 공개된 저작권을 의미합니다. 상업적인 목적을 포함한 어떠한 목적으로든 해당 저작물을 이용할 수 있다는 점이 특징입니다. 자세한 설명은 아래 내용을 확인하세요. "No Copyright"이라고 적혀있는 것을 확인할 수 있습니다.

 

 

  그러면 한 번 [Mask Wearing Dataset]을 다운로드하겠습니다. 저는 다음과 같이 416 X 416 해상도의 데이터 세트를 다운로드하겠습니다. 416 X 416 해상도 데이터 세트의 경우, 원본 이미지의 해상도가 다르다고 하더라도 패딩(padding)을 채워 넣어 416 X 416 해상도를 맞춘 것을 의미합니다.

 

 

  다운로드를 할 때는 [Download] 버튼을 누르면 됩니다.

 

 

  다운로드를 할 때는 자신이 원하는 형식(format)으로 다운로드를 진행할 수 있습니다. 대표적으로 YOLO v5 PyTorch 버전의 형식을 다운로드할 수 있습니다.

 

 

  다운로드 이후에 압축 파일을 풀면 다음과 같이 사진을 확인할 수 있습니다. 원본 사진은 가로 길이가 더 길지만, 위아래로 검은색 패딩이 채워져 416 X 416 해상도를 갖는 것을 알 수 있습니다.

 

 

  참고로 마스크 데이터셋의 경우 다음과 같은 (학습:평가:테스트) 데이터 세트 비율을 가지고 있습니다. 사실 컴퓨터 비전 쪽 분야인데 너무 데이터 세트의 크기가 작아 보일 수 있습니다. 하지만 일반적으로 객체 탐지(Object Detection) 분야에서는 전이 학습(Transfer Learning)을 베이스로 깔고 가는 경우가 많기 때문에, 데이터 개수가 100개만 넘어도 최소한의 성능은 나오는 경우가 많습니다.

 

 

  이제 실제로 학습을 진행하고 싶으면 YOLO v5 소개 페이지를 확인한 뒤에 학습을 진행하면 됩니다.

 

  ▶ YOLO v5 객체 탐지 모델: https://models.roboflow.com/object-detection/yolov5

 

YOLOv5 PyTorch Object Detection Model

A very fast and easy to use PyTorch model that achieves state of the art (or near state of the art) results.

models.roboflow.com

 

  다음과 같이 곧바로 실행해 볼 수 있는 소스 코드 자료를 확인할 수 있습니다.

 

728x90
반응형

Comment +0