AI 모델 훈련에 Ground Truth 사용하기
레이블이 지정된 ground truth 데이터는 객체 검출, 의미론적 분할, 영상 분류, 비디오 행동 인식 등 다양한 컴퓨터 비전 작업에서 지도 학습 AI 모델을 훈련시키는 데 필수적입니다. Computer Vision Toolbox™는 관련 레이블을 선택하고, 파일 경로를 수정하고, ground truth 객체를 병합하고, 훈련 및 평가를 위한 데이터 세트를 구성함으로써, 레이블이 지정된 ground truth 데이터를 딥러닝 훈련에 사용할 수 있도록 준비하는 툴을 제공합니다.
영상 레이블 지정기 앱과 비디오 레이블 지정기 앱은 레이블이 지정된 ground truth 데이터를 groundTruth 객체 형식으로 내보냅니다. 레이블이 지정된 ground truth를 AI 모델과 호환되는 형식으로 변환하여 훈련 데이터 세트를 생성하려면 objectDetectorTrainingData, pixelLabelTrainingData, sceneLabelTrainingData와 같은 함수를 사용하십시오. 이러한 함수는 객체 검출 작업, 분할 작업, 분류 작업을 지원합니다. 자세한 내용은 Training Data for Object Detection and Semantic Segmentation 항목과 Postprocess Exported Labels for Instance Segmentation Training 항목을 참조하십시오. polyToBlockedImage를 사용하여 블록 형식 영상 표현을 만들어 대규모 영상을 효율적으로 처리할 수도 있습니다.
ground truth 데이터에서 특정 레이블을 선택하고 작업 요구 사항에 따라 주석을 필터링 및 구성하려면 selectLabelsByGroup, selectLabelsByType 또는 selectLabelsByName과 같은 함수를 사용하십시오. 또한 이 툴박스는 여러 ground truth 객체를 결합하는 merge, 데이터 세트 참조를 업데이트하는 changeFilePaths, 레이블 정보를 추출하는 gatherLabelData와 같은 함수를 사용하여 레이블이 지정된 데이터의 후처리를 지원합니다. 비디오 데이터의 경우, writeVideoScenes 및 sceneTimeRanges와 같은 유틸리티는 장면 수준 주석을 관리하는 데 도움을 줍니다.
영상 레이블을 동료와 공유하고 함께 검토하려면 영상 레이블 지정기 앱에서 팀 프로젝트를 만들어 보십시오. 자세한 내용은 Get Started with Team-Based Labeling 항목을 참조하십시오.
앱
| 영상 레이블 지정기 | 컴퓨터 비전 응용 분야에서 영상에 레이블 지정 |
| 비디오 레이블 지정기 | Label video for computer vision applications |
함수
도움말 항목
- Elements of Ground Truth Objects
Understand how to save and pass data using a ground truth data object.
- Share and Store Labeled Ground Truth Data
Share and store labeled ground truth data exported from labeling apps.
- How Labeler Apps Store Exported Pixel Labels
Learn how the labeling apps store pixel label data.
- Training Data for Object Detection and Semantic Segmentation
Create training data for object detection or semantic segmentation using the Image Labeler or Video Labeler.
- Postprocess Exported Labels for Instance Segmentation Training
Postprocess exported ground truth labels and create training datastore for training instance segmentation networks such as SOLOv2 or Mask R-CNN.
- Datastores for Deep Learning (Deep Learning Toolbox)
Learn how to use datastores in deep learning applications.
- Get Started with Image Preprocessing and Augmentation for Deep Learning
Preprocess data for deep learning applications with deterministic operations such as resizing, or augment training data with randomized operations such as random cropping.
추천 예제
Create Instance Segmentation Training Data From Ground Truth
Create instance segmentation training data from a groundTruth object. To train a Mask R-CNN and SOLO v2 network using the trainMaskRCNN and trainSOLOv2 functions, respectively, format your input data as a 1-by-4 cell array containing the RGB training image, bounding boxes, instance labels, and instance masks. Convert your polygon ground data into a set of binary instance masks and axis-aligned rectangles for training.
