🌈 다중분류기

AI 프로젝트는 한 바퀴의 사이클이에요. 전체를 먼저 보고 → 한 단계씩 채워 가요.

7클래스 (6색 + none) · 총 10개 단계 · 10개 공개

무엇을 분류하나

빨강·주황·노랑·초록·파랑·갈색 6색 + 빈 자리(none)

키트 동작

색마다 정해진 6칸 트레이로 슈트가 돌아가 떨어뜨려요.

수동 분류 키

1~6 (색) · 0 (none)
수집 목표 약 1,400장

하드웨어 없이 먼저 해보고 싶다면?
노트북 맨 위의 MOCK_MODE = True 로 가짜 카메라·가짜 micro:bit 를 써서 PC 만으로 흐름을 연습할 수 있어요.
한눈에 보는 워크플로우

카드를 누르면 그 단계로 가요. 각 단계의 📦 결과물이 다음 단계의 재료예요.

1수동 분류에서 AI 자동 분류로 — 판단하는 주인공만 바뀌어요
🧑 수동 분류처음 — 준비 ③ · STEP 1 에서
📷 보기
USB 웹캠 · 초록 박스
판단
내가 숫자 키로
🦾 행동
PC → micro:bit → 서보

📁 분류할 때마다 사진 5장이 색 이름 폴더에 저장돼요 → AI 의 교과서 (= 라벨링)

🧠 AI 자동 분류마지막 — STEP 7 에서
📷 보기
USB 웹캠 · 초록 박스
판단
AI 모델이 예측
🦾 행동
PC → micro:bit → 서보

🛡️ 확신 0.6 이상 · 3번 연속 같은 답일 때만 분류해요

2준비 ①②③ 다음 STEP 1 → 7 — 각 단계의 결과물이 다음 단계의 재료예요
  1. STEP 1데이터
    데이터 수집
    Data Collection
    분류하며 사진 모으기 (= 라벨링)
    📦 data/ · 클래스당 200장
    Step 1 노트북
  2. STEP 2데이터
    데이터 정리
    Data Exploration
    흐린·잘못 누른 사진 정리
    📦 깨끗한 data/
    Step 2 노트북
  3. STEP 3데이터
    데이터셋 만들기
    Dataset Building
    학습 70% · 검증 30% 나누기
    📦 dataset/ (train·val)
    Step 3 노트북
  4. STEP 4모델
    모델 훈련
    Modeling
    MobileNetV3 전이학습
    📦 models/ · 7클래스 모델
    PC (Colab 선택)
  5. STEP 5모델
    최적화
    Optimization
    OpenVINO 로 변환
    📦 .xml + .bin (더 빠르게)
    Step 5 노트북
  6. STEP 6모델
    평가
    Evaluation
    정확도 · 혼동행렬
    📦 0.95 이상이면 배포
    Step 6 노트북
  7. STEP 7배포
    AI 자동 분류
    Deployment
    AI 가 스스로 분류
    📦 색별 6칸으로
    Step 7 노트북 + 키트
↺ 한 바퀴 더STEP 6 정확도가 0.95 미만이면 혼동행렬에서 헷갈린 색 쌍을 찾아 STEP 1 로 돌아가 그 색을 다른 조명에서 더 모아요 → STEP 2 → 3 → 4 다시. 모델을 고치는 것보다 데이터를 고치는 게 먼저예요.
가이드 레오
Step 1~7 이 모두 열려 있어요. 막히면 언제든 MOCK_MODE 로 흐름부터 확인하고, 새 zip 을 받아도 data · models 폴더만 옮기면 그대로 이어져요.

↺ 다른 분류기 고르기