Roboflow #2. 이미지 라벨링, 데이터 셋 만들기.

1. Roboflow Labels 달기.

 

나의 사진 데이터

 

label 편집 설명

 

dog 박싱과 레이블 저장하기.

바운딩 박스 그리기 (Bounding Box)

• 화면에서 초록/보라색 박스가 보이는 부분이 바로 바운딩 박스
• 마우스로 드래그하여 객체(강아지)에 맞는 사각형 영역을 그림
• 박스를 통해 AI가 “여기에 객체가 있다”고 인식하게 됨

클래스(Class) 지정

• Annotation Editor에 라벨 이름 입력: dog
• 한 장의 이미지에 여러 객체가 있을 경우 → 객체마다 박스를 따로 그리고 동일하게 dog 클래스 부여
• 이렇게 하면 AI가 “이 사진에는 강아지가 2마리 있다”라고 배울 수 있음

저장 및 관리

• Save (Enter) → 라벨 저장
• 라벨링된 객체 개수는 화면 왼쪽 “Annotations”에 기록됨
• 라벨 목록에 dog 클래스가 추가됨

 

• “라벨링은 AI에게 ‘여기 봐, 이건 강아지야!’ 하고 알려주는 과정이에요.”
• “바운딩 박스는 교과서에서 밑줄 치듯, 중요한 부분을 표시해주는 것과 같아요.”
• 라벨링이 정확해야 학습 결과가 좋아짐 → 부정확한 라벨은 AI 성능을 크게 떨어뜨림
• 여러 장의 사진에서 꾸준히 같은 기준으로 라벨을 붙이는 것이 중요함

 

2. 모든 사진에 Bounding Box,  Labels 달기.

다음 이미지를 옴겨가며 작업하기

 

 

고양이는 'cat' 으로 레이블 저장하기.

 

 

3. Roboflow Dataset

레이블 지정 완료 이미지 갯수

 

dataset 확인

 

1. 데이터셋 현황

• 왼쪽 메뉴에서 Dataset (110) 표시 → 총 110장의 이미지가 포함된 데이터셋
• 중앙에 고양이 이미지들이 라벨링된 상태로 보임
• 각 이미지마다 보라색·분홍색 박스가 그려져 있는데, 이는 라벨링된 바운딩 박스임

---

2. 상단 기능

• Search Images: 이미지 검색 가능
• Split: 데이터셋을 학습용/검증용/테스트용으로 분리
• Classes / Tags: 특정 클래스(예: cat, dog)나 태그별로 필터링 가능
• Sort By: 최신순, 오래된 순 등 정렬
• Train Model 버튼: 준비된 데이터셋을 가지고 인공지능 학습 시작

---

3. 주석 확인

• Show annotations 버튼이 켜져 있음 → 각 이미지의 라벨링 결과가 화면에 표시됨
• 예: cat_473.jpg에는 고양이 위치를 나타내는 보라색 박스가 그려져 있음

---

4. 데이터셋 버전 관리

• 오른쪽 상단 New Dataset Version 버튼 → 데이터셋을 새로운 버전으로 생성 가능
• 예를 들어, 라벨링을 추가하거나 수정한 후 새로운 버전을 만들어서 이전 버전과 성능 비교 가능

---

5. 학생 눈높이 설명

• “이 화면은 여러분이 열심히 라벨링한 결과를 모아둔 정리된 문제집이에요.이제 이 문제집을 가지고 AI가 공부(학습)를 시작할 수 있습니다.
  ‘Train Model’ 버튼을 누르면 AI가 이 데이터로 배우게 되는 거예요.”

 

 

4. Train Model

학습 모델 옵션

 

1. Roboflow Instant Model

• 설명: 가장 간단한 학습 방법
• Roboflow가 제공하는 기본 학습 환경에서 업로드한 데이터셋을 바로 학습
• 별도의 복잡한 설정 필요 없음 → 클릭 한 번으로 빠르게 결과 확인 가능
• 👉 학생 수업용으로 가장 적합 (즉시 AI 모델 생성 가능)

---

2. Custom Training

• 설명: 사용자가 직접 학습 과정을 세밀하게 설정하는 방식
  • 데이터 전처리 방법
  • 데이터 증강(Augmentation, 회전·자르기·밝기 조정 등)
  • 모델 종류(YOLO, Faster R-CNN 등) 선택 가능
• 👉 고급 사용자/연구 프로젝트에 적합
• 예: 학습 속도를 빠르게 하고 싶거나, 특정 모델 구조를 실험하고 싶을 때

---

3. Upload Custom Weights

• 설명: 사용자가 이미 다른 환경(예: 구글 코랩, 로컬 PC)에서 학습한 모델 가중치(Weights)를 업로드
• Roboflow에서 추가 테스트·배포 가능
• 👉 연구자나 프로 개발자가 외부에서 만든 모델을 로보플로우에 가져와 활용할 때 사용

 

새로운 인스턴트 모델 만들기 클릭.

 

 

 

 

4. Train / Valid / Test 데이터셋 분리

1. 자동 분할 (추천) 좌측 메뉴에서 Dataset 선택 상단 오른쪽에 있는 + New Dataset Version 클릭 Preprocessing & Augmentation 설정 화면이 뜸 아래쪽에 Split Dataset 단계가 있음 기본값: Train 70% / Valid 20% / Test 10% 원하는 비율로 조정 가능 (예: 80 / 10 / 10) Generate 클릭 → 새로운 버전이 생성되고, 자동으로 분리됨 👉 가장 쉬운 방법이며, 수업에서도 권장할 수 있어요.

2. 직접 분할 (수동) Dataset 화면에서 개별 이미지를 선택 상단 메뉴의 Split 버튼 클릭 선택한 이미지를 Train / Valid / Test 중 원하는 곳으로 이동 예: dog_01.jpg → Test 세트로 이동 저장하면 해당 이미지의 분류가 바뀜 👉 소규모 데이터셋이나 특별히 구분하고 싶은 이미지가 있을때 활용

• Train = 공부할 때 보는 문제집
• Valid = 공부 중에 보는 모의고사
• Test = 시험 당일 문제

👉 그래서 데이터를 잘 나눠야 AI가 공부만 잘하고 시험은 못 보는 일을 막을 수 있어요.

 

학습 완료 화면

 

 

 

 

5. Model Test

학습된 모델 클

 

모델 테스트

 

테스트 방법

• 이미지 또는 비디오 파일 업로드
  → 학생이 준비한 새로운 이미지를 넣어 모델이 잘 인식하는지 확인
• 이미지 URL 붙여넣기
  → 인터넷 상의 이미지 주소를 그대로 붙여넣어 테스트 가능
• 웹캠 사용(내 기계에서 시도해 보세요)→ 실시간으로 웹캠을 켜고 테스트할 수도 있음

 

학습되지 않은 데이터 사진을 찾아 확인해 보자. !

학습되지 않은 사진으로 test