엔터프라이즈 고객 체크리스트
수집 전에 모든 데이터셋 관련 결정을 기록하고 재학습을 단계별로 승인하는, 고객용 한 페이지 킥오프 체크리스트입니다.
첫 번째 모델보다 성공을 반복하는 것이 더 어렵습니다. 대부분의 비전 프로젝트 실패는 킥오프에서 아무도 묻지 않은 질문, 즉 모델을 어디에서 실행할지, 성공을 어떻게 정의할지, 테스트 세트가 실제로 미사용 데이터인지와 같은 질문에서 비롯됩니다. 이 체크리스트는 엔지니어의 설명 없이도 고객이 작성할 수 있는 한 페이지로 과정을 요약하므로, 답변 비용이 적게 드는 시점에 이러한 질문을 확인할 수 있습니다.
실습형
킥오프 체크리스트#
이 내용을 프로젝트 저장소나 위키에 복사합니다. 각 섹션은 이 과정의 강의 하나에 대응하며, 엔지니어가 아니어도 답할 수 있는 표현으로 작성되어 있습니다.
# Vision Project Kickoff Checklist
Project: ... Owner: ... Date: ...
## 1. What should the model do?
Business goal (one sentence, with a deadline): ...
Task: [ ] detect [ ] segment [ ] semantic [ ] classify [ ] pose [ ] OBB [ ] depth
Classes, each with a definition and a look-alike it excludes: ...
## 2. Where will the model run?
[ ] Cloud GPU [ ] Cloud CPU [ ] Edge device [ ] Mobile [ ] Browser
Latency target: ... ms Cameras / resolution: ...
## 3. What visual variation exists?
Times of day: ... Weather: ... Sites: ...
Cameras: ... Operators / shifts: ... Variants: ...
## 4. Which edge cases matter?
...
## 5. Do we have background images?
[ ] Yes, ...% of images (target 0-10%) [ ] No, collect first
## 6. Are labels consistent?
[ ] Labeling guide written [ ] Agreement measured: ...%
[ ] QC audit and suspect review run, notes attached
## 7. Did we check for leakage?
Split unit: [ ] clip [ ] camera [ ] day [ ] site [ ] customer
[ ] No group appears in more than one split
[ ] Every class appears in every split
## 8. Is the test set truly unseen?
[ ] Locked; used once for the final go/no-go
## 9. What defines success?
Acceptance test (metric, threshold, holdout): ...
Volume: [ ] >=1,500 images and >=10,000 instances per class
[ ] or documented exception with expected impact: ...
Ready to fine-tune YOLO26? [ ] Yes [ ] No, fix item ... first각 섹션이 프로젝트를 승인하는 시점#
| 단계 | 답변이 필요한 섹션 | 예방하는 문제 |
|---|---|---|
| 킥오프 | 1, 2, 9 | 잘못된 하드웨어에 잘못된 모델을 구축하는 문제 |
| 수집 전 | 3, 4, 5 | 배포 조건을 반영하지 못한 데이터 수집 |
| 라벨링 전 | 6 | 같은 항목에 서로 다른 방식으로 세 번 라벨링하는 데 비용을 지불하는 문제 |
| 학습 전 | 7, 8, 데이터 규모 | 유출되었거나 지나치게 낙관적인 지표를 신뢰하는 문제 |
| 재학습 전마다 | 전체 | 새 데이터가 이전에 통과했던 검사를 예기치 않게 실패하게 만드는 문제 |
킥오프 미팅 진행#
엔지니어뿐 아니라 비즈니스 성과를 책임지는 사람과 함께 페이지를 검토합니다. 다음 세 가지 습관을 지키면 효과적으로 진행할 수 있습니다.
- 섹션 9에 시간을 들입니다. 실제 의견 차이는 인수 테스트에서 드러납니다. 인수 테스트에 한 시간을 들여 합의하면 모델이 충분히 좋은지를 두고 몇 주씩 논쟁하는 일을 줄일 수 있습니다.
- "모르겠습니다"도 답변으로 인정합니다. 해당 항목 옆에 담당자와 기한을 적습니다. 답변되지 않은 항목이 향후 2주간의 프로젝트 계획이 됩니다.
- 섹션 2를 일찍 확인합니다. 배포 대상에 따라 모델 크기와 이미지 크기가 제한되며, 이에 따라 데이터셋에서 포함해야 하는 최소 객체 크기도 정해집니다.
가치는 이해관계자가 섹션 1, 3, 4, 9에 답하는 데서 나옵니다. 엔지니어가 추측으로 이를 채우면 체크리스트에는 합의가 아니라 가정이 기록됩니다. 회의를 잡고, 아직 답을 아는 사람이 없는 항목은 비워 두세요.
완료된 체크리스트를 QC 메모와 분할 파일 옆에 데이터셋과 함께 보관합니다. 몇 달 뒤 누군가 모델이 특정 방식으로 작동하는 이유를 물으면, 대개 이 페이지에서 답을 찾을 수 있습니다.
지금 할 수 있는 일#
비즈니스 목표를 인수 테스트로 전환하고, 할당량이 포함된 데이터셋 사양을 작성하고, 모든 파일 이름에 메타데이터를 포함해 대표성 있는 데이터를 수집하고, 일관된 기준으로 라벨링하고 일치도를 측정하고, 스크립트로 품질을 감사하고, 데이터 누출 없이 그룹별로 분할하고, 배포 환경에 맞는 증강을 선택하고, 준비 상태 검사를 통과해야 학습을 진행하고, 기준선 실행 결과를 다음 데이터셋 개선 작업으로 전환할 수 있습니다.
다음 단계#
- 첫 YOLO 모델 학습하기: 사용자 지정 데이터셋 준비에서 라벨을 변환한 다음 학습, 검증, 내보내기를 수행합니다.
- Ultralytics Platform으로 구축하기: 큐레이션, 중복 제거 및 분할부터 시작해 주석 작업, 큐레이션, 클라우드 학습, 배포, 모니터링으로 이어지는 동일한 라이프사이클을 한곳에서 진행합니다.
- 프로덕션 환경의 Ultralytics YOLO: 배포 후 모델을 내보내고, 서빙하고, 드리프트를 모니터링합니다.
- 파인튜닝 가이드: 기본 설정만으로 충분하지 않을 때 적용하는 레이어 동결, 2단계 학습, 옵티마이저 선택 방법입니다.
정답 보기
1강에서 다룬 창고 프로젝트의 완료된 킥오프 예시입니다.
Project: dock-safety-v1 Owner: site operations lead Date: 2026-05-02
1. Goal: cut dock-door near misses 30% in six months. Task: [x] detect
Classes: forklift (excludes hand pallet jacks), person (excludes reflections),
pallet (excludes crates without a pallet base)
2. [x] Edge device Latency: <= 100 ms Cameras: 4 x 1080p, 12 fps
3. Day and night shifts; rain at bays B-C; sites: dock A only for v1
4. People behind stacked pallets; forklifts half out of frame at bay edges
5. [ ] No: collect 150 empty-dock frames (owner: shift lead, by 2026-05-16)
6. [ ] Guide written [ ] Agreement measured -> owner: annotation lead, by 2026-05-23
7. Split unit: [x] camera + day
8. [x] Locked: cam-4, 2026-06-01 to 2026-06-07, never used for tuning
9. Recall(person) >= 0.95 at precision >= 0.85 on the locked cam-4 week
Volume: [ ] exception: pallet target 2,000 instances for v1; expect lower
pallet recall in crowded bays
Ready to fine-tune YOLO26? [ ] No, fix items 5 and 6 first두 개의 "모르겠습니다" 답변이 기한이 지정된 조치로 바뀌었고, 엣지 배포 대상에 따라 지연 시간 한도가 정해졌으며, 고정된 테스트 주간 덕분에 인수 테스트가 구체화되었습니다.