Green 분류 도구 Focused 모드

Green 분류 아키텍처 개요

Green 분류 도구에는 3가지 아키텍처가 존재합니다. Focused 아키텍처, High Detail 아키텍처, High Detail Quick 아키텍처입니다.

 

  • Green 분류 도구 Focused 모드는 개체 혹은 전체 장면을 분류하기 위해 이용합니다. 포장에 기초한 제품의 식별, 용접 솔기의 분류, 허용 가능한 결함과 그렇지 않은 결함의 분류에 이르기까지, 는 라벨 지정된 이미지의 Set에 기초해 다양한 클래스를 분리하는 방법을 학습합니다. Focused 모드에 사용자가 제공할 것은 여러 클래스들로 라벨된 이미지들입니다.

  • Green 분류 도구 High Detail 모드은 Focused와 비슷하지만 다른 아키텍쳐를 사용합니다. High Detail 모드는 레이블이 지정된 이미지 모음을 기반으로 여러 클래스를 분류하는 방법을 학습합니다. High Detail 모드에 사용자가 제공할 것은 마찬가지로, 여러 클래스들로라벨된 이미지들입니다.

  • Green 분류 도구 High Detail Quick 모드은 Green 분류 도구 High Detail 모드 모드를 정확도를 경미하게 희생하는 대신 학습 속도를 극적으로 향상하는 방향으로 새롭게 만든 도구입니다. 정확도가 Green 분류 도구 High Detail 모드보다 약간 낮긴 하지만, 최신 트레이닝 알고리즘을 도입하여 안정적이면서도 훌륭한 결과를 내도록 만들어졌습니다. 또 매우 적은 도구 매개변수만 필요하기 때문에 트레이닝이 더 쉽고 빨라집니다. 단계별 사용방법을 포함한 다른 세부 사항은 Green 분류 도구 High Detail 모드와 크게 다르지 않습니다.

 

Green 분류 도구 Focused 모드에 관하여

Green 분류 도구 Focused 모드는 feature 샘플링으로 트레이닝 세트에 있는 이미지들 픽셀 정보를 학습해 이미지를 분류하는 이미지 분류 도구입니다. 이미지들이 정확하게 라벨링되어 있고, 이미지에서 관심 영역(ROI)이 정확하게 설정되었으며, 구별되는 feature들을 트레이닝 세트 이미지에서 잘 잡아낼 수 있도록 도구 매개변수 값들이 설정되었다면, 도구는 이미지 정보를 잘 학습할 수 있습니다. 이미지를 충분히 학습하고 나면, 각 이미지가 어떤 클래스에 속하는지 예측할 수 있습니다.

다른 VisionPro Deep Learning Focused 도구들과 마찬가지로, 이 도구는 샘플러를 사용해 이미지에서 feature들을 샘플링하며 이 때 샘플 크기는 사용자가 정의할 수 있습니다. 대부분 분류 사례에서 준수한 성능을 보이는 결과를 Green 분류 도구 High Detail 모드보다 더 빨리 제공합니다.

 

아키텍처: Green 분류 도구 Focused 모드 vs Green 분류 도구 High Detail 모드

Focused 모드는 High Detail 모드와 다른 아키텍쳐를 사용합니다. 아키텍처가 다르기 때문에 Focused 모드는 High Detail 모드 보다 학습 시간이 덜 걸리므로 High Detail 모드에 비해 빠른 피드백을 얻을 수 있습니다.

Focused 모드는 선택적으로 유용한 정보가 있는 이미지 부분에 초점을 맞춥니다. 그러므로, Focused 모드는 네트워크가 정보를 놓칠 수 있으며, 특히 이미지 전체에서 중요한 세부 사항이 있을 경우 그 가능성이 큽니다.

Green 분류 도구의 High Detail 모드는 Focused 모드와는 다른 아키텍처를 사용합니다. 아키텍처의 특성 때문에, High Detail 모드는 Focused 모드보다 학습 시간이 더 오래 걸리지만, 높은 정밀도의 결과를 얻을 수 있습니다.

High Detail 모드에서 모델을 생성하는 방식은 Focused 모드와 기본적으로 동일하지만, 도구 매개변수에 다른 점이 있습니다. 또한, High Detail 모드에서는 단일 뷰에 여러 개의 태그를 지정할 수 없습니다. 각의 뷰는 한 개의 대응되는 태그를 가지며, 이는 비배타적 모드를 지원하지 않는다는 것을 뜻합니다.

 

  Focused 모드 High Detail 모드
속도 빠름 느림
정확도 정확함 더 정확함
매개변수 개수

많음

많음
이미지 데이터세트 구성 학습 Set, 테스트 Set 학습 Set, 검증(Validation) Set, 테스트 Set

 

아키텍처: Green 분류 도구 Focused 모드 vs Green 분류 도구 High Detail Quick 모드

Green 분류 도구 High Detail Quick 모드 모드는 Focused 모드와 다른 아키텍쳐를 사용합니다. 아키텍처 차이로 도구 매개변수에 있는 샘플링 매개변수를 사용하지 않는데, 이는 이 모드가 뷰 전체에서 샘플링하기 때문입니다. Green 분류 도구 High Detail Quick 모드 모드에서 이미지를 레이블링하고 신경망 모델을 만드는 방법은 Focused 모드와 기본적으로 동일합니다. 하지만 Green 분류 도구 Focused 모드에 비해 도구 매개변수 조정이 거의 필요하지 않습니다.

 

지원하는 기능 vs 아키텍처

Features

 Green 분류 도구 Focused 모드 Green 분류 도구 High Detail 모드 Green 분류 도구 High Detail Quick 모드
View Inspector 히트맵 없이 지원됨 히트맵과 함께 지원됨 히트맵과 함께 지원됨
Loss 검사기 지원하지 않음 지원함 지원하지 않음
Validation Set 트레이닝에서 사용되지 않음 트레이닝에서 사용됨 트레이닝에서 사용되지 않음
VisionPro Deep Learning 도구 매개변수 더 적은 매개변수

통제를 위한 더 많은 매개변수*,
샘플링 매개변수 없음

매개변수가 거의 없음
다중 클래스 분류
(비 배타적/배타적 모드)		 지원함 지원하지 않음 지원하지 않음
리사이즈 모드 지원하지 않음 지원함 지원하지 않음

* 섬세한 트레이닝 통제와 조정을 가능하게 하는 더 많은 트레이닝 및 변화 매개변수

Note: 각 도구가 가진 모든 기능을 활용하려면, 도움말 메뉴에서 전문가 모드를 활성화하십시오.
Note: Loss Inspector에 관한 더 자세한 내용은 Loss 검사기를 확인하십시오.

 

Green 분류 도구 Focused 모드 학습 워크플로우

Green 분류 도구가 Green 분류 도구 Focused 모드 모드일 때, 도구를 학습할 때 워크플로우는 다음과 같습니다:

 

  1. VisionPro Deep Learning을 실행하십시오.
  2. 새 워크스페이스를 만들거나 기존 워크스페이스를 VisionPro Deep Learning로 불러오십시오.
  3. 이미지를 수집하여 VisionPro Deep Learning로 불러오십시오.
  4. 관심 영역(ROI)를 정의하여 뷰를 생성하십시오.
    1. Blue 위치 도구의 pose를 이용해 Green 분류 도구의 input으로 이용되는 뷰의 방향을 변환한다면, Green 분류 도구를 열기 전에 해당 이미지를 프로세싱(가위 아이콘 클릭)하십시오. 더 자세한 내용은 Blue 위치 도구의 후속 ROI 옵션를 확인하십시오.

    2. 필요하다면, 관심 영역(ROI)을 조정하십시오. 이미지 디스플레이 영역 내에서 마우스 우클릭하고 메뉴에서 ROI 편집을 선택하십시오.

    3. ROI를 조정하고 나면, 적용 버튼을 누르십시오. 조정된 ROI가 모든 이미지에 적용될 것입니다.
    4. 계속하려면, 도구 모음의 종료 버튼을 누르십시오.
  5. 이미지에 관련 없는 정보가 있다면, 적절한 마스크를 추가해 이 영역을 이미지에서 제외하십시오. 이미지 디스플레이 영역 내에서 마우스 우클릭하고 메뉴에서 마스크 편집을 선택하십시오.

    1. 마스크 도구 모음에서 적절한 마스크를 선택하여 편집하십시오.

    2. 필요한 마스크를 추가하고 나면, 적용

      버튼을 누르십시오. 마스크가 현재 이미지에 적용될 것입니다.

      만약 필요한 마스크를 추가한 후 모두 적용 버튼을 누르고, 나타나는 마스크 적용 대화상자에서 예 버튼을 클릭하면, 동일한 마스크가 모든 이미지에 적용될 것입니다. 아니오 버튼을 누르면 마스크는 적용되지 않고 마스크 편집 창으로 돌아갑니다.

    3. 계속하려면, 도구 모음의 종료 버튼을 누르십시오.

  6. 모든 이미지에 분류 태그로 라벨을 지정하십시오. 라벨링에 관한 자세한 내용은 라벨 생성 (라벨링)를 확인하십시오.

    Tip: 이미지 라벨 지정에 도움이 되도록 이미지 파일에 서술적 이름이나 번호 체계를 적용한 주석을 적용할 것을 권장합니다.

  7. View Browser의 뷰 라벨링 옵션을 이용할 수 있습니다.

  8. 라벨 지정 시, 태그를 적용하거나 정규식을 이용해 분류 태그 라벨을 적용할 수 있습니다.

  9. 모든 이미지가 분류 태그로 라벨 지정되도록 하십시오.
  10. 전체 이미지를 학습 이미지와 테스트 이미지로 나눕니다. 이미지 세트를 활용해 이미지들을 적절히 학습과 테스트 이미지로 나눕니다. 트레이닝 세트에 이미지를 추가하십시오.
    1. 뷰 브라우저에서 이미지를 선택한 다음 우클릭 팝업 메뉴에서 트레이닝 Set에 뷰 추가를 클릭하십시오. 뷰 브라우저에서 여러 이미지를 선택하려면, Shift + 왼쪽 마우스 버튼을 사용하십시오.
    2. 또는, 디스플레이 필터를 사용해 트레이닝만을 위해 사용할 이미지들을 표시한 후 ... 뷰에 대한 작업 → 트레이닝 Set에 뷰 추가를 클릭해 이들을 트레이닝 세트에 추가하십시오.
  11. 트레이닝에 앞서, 도구 매개변수에 있는 매개변수들이 설정되었는지 확인하십시오. 트레이닝, 샘플링, 변화 매개변수를 설정하거나 혹은 기본값 그대로 사용할 수 있습니다. 지원하는 매개변수에 관한 자세한 내용은 도구 매개변수 설정를 확인하십시오.
    1. 샘플링 매개변수에서 Feature 크기 매개변수가 설정되었는지 꼭 확인하십시오. Feature 크기 매개변수는 이미지 분류를 위해 사용자가 찾고자 하는 feature 크기에 대해 네트워크에 힌트를 줍니다. 그러므로, feature 크기 매개변수가 이미지에 있는 feature 크기와 많이 다르다면, 도구는 이미지가 속한 클래스를 정확하게 식별하지 못할 가능성이 있습니다.
    2. 수동으로 매개변수 값을 조정하던가, feature 크기 조절상자의 크기를 조정해 feature 크기를 조정할 수 있습니다.
    3. 트레이닝 또는 프로세스를 더 세밀하게 조정하고 싶다면 도움말 메뉴에서 전문가 모드를 활성화하십시오. 도구 매개변수에 새로운 매개변수들이 활성화될 것입니다.
  12. 두뇌 아이콘을 눌러 도구를 트레이닝하십시오.
    1. 만약 트레이닝 중간에 종료 아이콘을 눌러 트레이닝을 멈춘다면, 트레이닝을 멈출 수 있지만 지금까지 트레이닝한 도구는 사라질 것입니다.

  13. 트레이닝 후 결과를 검토하십시오. 데이터베이스 개요 패널을 열고 Confusion Matrix, 각 클래스(태그)의 Precision, Recall, F-Score를 검토해 결과를 확인하십시오. 결과 해석에 관한 자세한 내용은 결과 해석를 확인하십시오.

  14. 결과를 검토한 다음, 모든 이미지를 살펴보면서 도구가 각 이미지에 어떤 식으로 정확하게 혹은 정확하지 않게 태그를 마킹했는지 확인하십시오.
    1. 도구가 이미지에 적절한 태그를 마킹했으면, 이미지를 마우스 우클릭한 후 뷰 수락을 선택하십시오.
    2. 잘못된 태그로 이미지를 잘못 마킹한 경우:
      1. 이미지를 다시 마우스 우클릭한 후 마킹 및 라벨 삭제를 선택합니다.

      2. 수동으로 이미지에 태그를 지정하십시오.

    3. (a.)의 상황이 되면, 이제 도구를 이용할 준비가 된 것입니다. (b)의 상황이 되면, 도구를 다시 학습하고 11~14단계를 다시 수행해야 합니다.

 

Green 분류 도구 Focused 모드 도구 학습 하위에 각 섹션에서 각 단계에 관한 자세한 내용을 확인하십시오.