세분화된 모델 학습 모니터링을 통해 시간과 비용을 최적화 해보세요.

모델의 학습 진행 상태, 성능 지표, 예측 샘플 등을 실시간으로 모니터링할 수 있는 신규 기능이 업데이트 되었습니다. 이를 기반으로 학습 프로세스를 '조기 완료'하여 모델 학습의 시간과 비용을 최적화 하실 수 있습니다. 또한 불필요한 학습을 '취소'하여 자원을 절약하고, 더 효율적인 학습 관리를 할 수 있습니다.

✅이제 슈퍼브 모델의 모델 상세 페이지에서 확인하실 수 있습니다.

어떤 새로운 기능이 추가되었나요?

새로운 모델 상세 페이지에서 제공되는 기능은 다음과 같습니다:

• 학습된 모델 정보: 모델의 기본 정보 및 데이터셋 정보를 상세히 확인하실 수 있습니다.
• 학습 진행 상태 모니터링: 실시간으로 모델의 학습 진행 상황을 단계별로 확인하실 수 있습니다.
• 성능 차트: 모델을 학습시키는 과정에서 성능의 변화를 한눈에 확인하실 수 있도록, Performance chart에서 제공하는 AP와 Loss 그래프를 통해 모델의 진행 상태를 실시간으로 모니터링하실 수 있습니다.

• 샘플 예측: 대시보드에서 바로 모델의 예측 샘플 이미지를 시각화하여 즉각적인 품질 검사를 수행할 수 있습니다. 

• 학습 취소 및 조기 완료 옵션: 목표 성능에 도달하였거나, 추가 학습이 불필요하다고 판단될 때 학습을 조기에 완료하거나 취소할 수 있습니다.

더 자세한 내용은 사용자 가이드를 통해 확인하세요!

베이스라인 모델이 추가 되었습니다💁

새롭게 바뀌었어요!

• 새롭게 추가된 DETR ResNet-101 Panoptic 모델은 폴리곤 기반의 인스턴스 분할을 지원하여, 더욱 세밀한 객체 인식과 분류 작업이 가능합니다. 새로운 모델은 다양한 객체 탐지 및 인스턴스 분할 작업에 최적화되어 있습니다.
• 각 모델의 성능과 추론 속도에 대한 상세 정보를 확인하실 수 있습니다.
• 모델 선택 시, 최대 입력 크기와 처리량 등 추가 정보를 통해 사용자의 요구 사항에 더 적합한 모델을 선택할 수 있습니다.

[안내 사항]

• 기존의 Faster R-CNN R50-FPN 및 Mask R-CNN R50-FPN 모델은 더 이상 새로운 학습에 사용하실 수 없게 되었습니다.
• 이미 학습된 모델은 지원 중단의 영향을 받지 않으며, 기존 모델을 그대로 사용하고 확인하실 수 있습니다.
• 업데이트에 따라, 2월 20일 이전에 학습된 모델은 추가 학습(Train with more data)기능을 사용하실 수 없습니다.