Evaluation
Vision-ML앱의 Evaluation 기능은 트레이너를 통해 학습된 모델을 검증 할 수 있는 서비스입니다.
업로드한 데이터셋을 사용하거나, 사용자가 직접 테스트셋을 구성하여 모델의 결과를 검증할 수 있습니다.
| 명칭 | 기능명 | 설명 |
|---|---|---|
| 소스 유형 | My app | Application에서 생성된 데이터셋을 기준으로 적용합니다. |
| Upload | 사용자가 이미지파일을 업로드하여 적용합니다. | |
| API | 사용자가 REST-API 형태로 데이터를 전송하여 적용합니다. | |
| 서비스 | My app | Application Local dataset을 선택하여 적용합니다. |
| 데이터셋 | My app | Application에서 생성된 데이터셋을 선택합니다. |
| 파일리스트 | My app / Upload / API | 적용된 데이터셋 리스트를 확인할 수 있습니다. |
| 트레이너 | Application에서 생성된 트레이너를 선택할 수 있습니다. |
Evaluation 트레이너 선택
생성된 트레이너 리스트 화면을 확인할 수 있습니다.
Evaluation 모델 선택
생성된 트레이너 리스트 화면을 확인할 수 있습니다.
| 명칭 | 설명 |
|---|---|
| 재생 | 해당 모델의 사용을 활성화 합니다. |
| 일시정지 | 해당 모델의 사용을 비활성화 합니다. |
NOTE
모델 선택 시, 하나의 모델만 검증에 사용할 수 있습니다.
Evaluation 모델 검증
선택된 모델에 대한 검증을 진행할 수 있습니다. 데이터셋의 레이블링 정보가 있다면, 예측 결과와 함께 확인할 수 있습니다.
| 명칭 | 설명 |
|---|---|
| 선택 | 활성화된 모델중 사용할 모델을 선택합니다. |
| 예측 | 선택된 모델을 검증합니다. |
| 파일리스트 | 검증에 사용될 이미지를 선택할 수 있습니다. |
| 예측결과가 있는 파일 | 검증 결과가 있는 파일 리스트만 보여줍니다. |
| 예측정보 초기화 | 검증 결과를 초기화 합니다. |
| 예측정보 초기화 | 검증 결과를 초기화 합니다. |
| 다운로드 | 검증 결과의 정보를 다운로드 할 수 있습니다. |
NOTE
Classification: 검증 결과를 상단에 TEXT 형태로 표기합니다.
Detection: 검증 결과를 해당 부분에 BOX 형태로 표기합니다.
Segmentation: 검증 결과를 해당 부분에 POLYGON 형태로 표기합니다.
AnomalyDetection: 검증 결과를 해당 부분에 POLYGON 형태로 표기합니다.
Evaluation 검증 결과 분석
선택된 모델에 대한 검증 결과를 Excel 파일로 다운로드 할 수 있습니다.
NOTE
모델의 검증 결과는, 레이블정보가 있는 데이터셋 기준으로만 작성됩니다.