Deep Block을 이용해 사과를 탐지하는 AI 모델을 만들어보겠습니다.
- 로그인 후, 오른쪽 위 Try Deep Block 버튼을 눌러보세요.
- 오른쪽 위 Create 버튼을 눌러보세요.
- 그러면 아래 창이 보일 것입니다. 컴퓨터 비전 탭 아래 사물 탐지 앱을 누르시기 바랍니다. 거기서 not for real-time reference을 고르세요. 프로젝트 이름을 원하는대로 설정하세요. 이름 안에는 띄어쓰기가 없어야 합니다.
- 만들어진 프로젝트를 누르세요.
- 이제 apple 즉, 사과 카테고리를 만들어보겠습니다. 카테고리는 AI 모델을 이용해 탐지하고 싶은 사물의 종류를 말합니다. 왼쪽 위 Categories 창에서 +표시인 카테고리 만들기 버튼을 누르세요.
- 카테고리 이름은 이름 바꾸기 버튼을 누르면 쉽게 바꿀 수 있습니다. apple로 이름을 바꿉니다.
- 경계 상자의 색도 컬러 팔레트에서 고를 수 있습니다.
- 여기서는 빨간색으로 설정해보겠습니다.
- 이제 사과가 들어있는 이미지들을 준비하고 AI 모델을 훈련할 수 있도록 경계상자를 각 사과에 그려보겠습니다.
- AI 모델을 훈련할 사과 이미지들을 Manual 창에 드래그 드롭하세요.
- Manual 창에서 첫번째 이미지를 누르고 Draw Mode 버튼을 누릅니다. 그러면 사과에 경계 상자를 그릴 수 있습니다.
- 드래그드롭으로 다음과 같이 사과를 감싸는 경계 상자를 그려보세요.
- 이미 그린 박스를 편집하려면 Select Mode 버튼을 누르면 상자의 크기와 모양을 바꿀 수 있습니다.
- 이 과정을 모든 이미지에서 반복합니다. 하나의 이미지에 여러 개의 사과가 있는 경우 여러 개의 상자를 그립니다.
- 훈련 데이터 준비를 마치면 AI 모델을 훈련하면 됩니다. 왼쪽 위의 2.Run을 누르고 오른쪽 위에 train 버튼을 누릅니다.
- 모델이 훈련되며 그래프가 바뀌는 것이 보일 것입니다. Training score이 올라가고 Loss가 내려가는 것이 보이면 AI 모델이 잘 훈련되고 있다는 뜻입니다. 시간이 좀 걸릴 수도 있습니다. 브라우저를 종료해도 훈련은 클라우드에서 계속 진행됩니다.
- 훈련이 끝나면 AI모델을 이용해 추론을 할 수 있습니다. 즉, 새로운 이미지를 AI 모델에 넣어 사과가 이미지 안에 어디 있는지 볼 수 있습니다.
- 왼쪽 위 Predict 탭을 누르세요.
- 추론하고 싶은 이미지를 Predict 창에 드래그 드롭합니다.
- Threshold 점수를 30%으로 설정하고 오른쪽 위의 Predict 버턴을 누릅니다.
- 추론이 끝날 때까지 기다리고 추론이 끝난 후 이미지 파일을 클릭합니다. 사과가 이렇게 탐지된 것을 확인할 수 있습니다!
- 축하드립니다! 이제 Deep Block에서 사물탐지 AI 모델을 만들 수 있습니다. 현재 Deep Block에서는 API 서비스도 제공하고 있습니다. 더 궁금한 점이 있거나 API 서비스에 관심이 있으시다면 아래 댓글을 남겨주시거나 이메일을 주시면 답변드리도록 하겠습니다.
