사용자 지정 모델 레이블 지정 및 학습
Blob Storage에 이미지를 업로드하고 데이터 세트를 만든 후 다음 단계는 이미지에 레이블을 지정하고 결과 COCO 파일을 연결하는 것입니다. 학습 이미지에 대한 COCO 파일이 이미 있는 경우 레이블 지정 단계를 건너뛸 수 있습니다.
학습 이미지에 레이블 지정
학습 이미지에 레이블을 지정하는 작업은 데이터 레이블 지정 프로젝트를 사용하여 Azure Machine Learning 스튜디오에서 수행됩니다. 학습 이미지에 대한 완전하고 정확한 레이블을 가지면 학습된 모델의 성능이 크게 개선됩니다. 이미지에 레이블을 할당할 때 레이블을 정확하게 할당하고 각 클래스의 모든 인스턴스에 완전히 레이블을 할당해야 합니다.
Vision Studio 내의 데이터 세트에서 새 Azure Machine Learning 데이터 레이블 지정 프로젝트를 만들거나, Azure Machine Learning 스튜디오에서 프로젝트를 만든 경우 기존 프로젝트에 연결합니다.
프로젝트가 만들어지면 해당 단추를 선택하면 Azure Machine Learning 스튜디오로 이동하여 레이블 지정 프로젝트가 열립니다. Azure Machine Learning 데이터 레이블 지정에서는 이미지 또는 개체(예: 사과, 오렌지, 바나나)에 대한 범주를 추가할 수 있습니다. 범주가 있으면 프로젝트를 시작하고 레이블 지정 탭으로 이동합니다. 범주당 3~5개의 이미지에 레이블을 지정해야 합니다.
이미지의 하위 집합에 대해 제공한 일부 레이블을 가져와 나머지 이미지에 레이블을 지정하는 ML 지원 레이블 지정과 같이 레이블 지정에 도움이 되는 Azure Machine Learning 도구가 있습니다. 이러한 기능을 사용하는 경우 레이블이 정확한지 검토해야 합니다. 정확하지 않으면 학습된 모델의 성능이 저하됩니다.
레이블 지정이 완료되고 모든 학습 이미지가 올바르게 분류되거나 레이블이 지정되면 Azure Machine Learning 작업 영역에서 직접 데이터 세트에 COCO 파일을 추가할 수 있습니다.
모델 학습
모든 학습 이미지에 레이블이 지정되면 다음 단계는 모델을 학습하는 것입니다. 모델을 학습할 때 모델 형식을 선택하고, 학습 데이터로 사용할 데이터 세트를 지정하고, 학습 예산을 표시합니다. 학습 예산은 학습이 실행되는 기간에 대한 상한입니다. 학습에 사용되는 실제 시간은 지정된 예산보다 적은 경우가 많습니다.
모델이 학습되면 모델을 선택하여 평가 실행 성능을 볼 수 있습니다. 모델 학습 시 평가 데이터 세트가 제공되지 않으면 기본 평가 실행이 사용됩니다. 기본 평가 실행은 학습 집합에서 레이블이 지정된 이미지의 작은 집합을 가져와 해당 하위 집합에 대한 예측을 위해 학습된 모델을 사용하고 예측을 제공된 레이블과 비교합니다.
학습된 모델 페이지에서 페이지 상단의 탭을 선택하여 다양한 이미지 집합에 대해 새로운 평가 실행을 트리거하거나 Vision Studio에서 자체 테스트를 테스트해 볼 수 있습니다.