[DatasetHelper] YOLO 학습용 데이터셋 준비와 증강을 자동화하는 나만의 도구

YOLO 기반 객체 탐지 모델을 학습할 때 가장 큰 고민 중 하나는 바로 데이터셋 준비입니다.
이미지와 라벨링 파일을 YOLO 형식에 맞게 변환하고, 데이터를 증강하며, 학습/검증/테스트 폴더로 나누는 과정은 생각보다 번거롭습니다.

그래서 저는 이 모든 과정을 자동화하고 누구나 쉽게 사용할 수 있는 GUI 도구, DatasetHelper를 만들게 되었습니다.

이 글에서는 DatasetHelper의 기능과 사용법, 그리고 제가 개발하면서 중요하게 생각한 점을 상세히 소개합니다.

'GitHub 바로가기'

DatasetHelper 레포지토리

---

YOLO 데이터셋 준비의 번거로움

YOLO 학습용 데이터셋을 만들면서 자주 겪는 문제는 다음과 같습니다.

1. 어노테이션 변환 문제: VOC XML이나 COCO JSON 형식을 YOLO txt 파일로 변환해야 함
2. 데이터 부족 문제: 학습용 데이터가 적으면 모델 성능이 떨어지므로 증강 필요
3. 데이터셋 분할 문제: train, val, test 폴더로 데이터를 나누는 과정이 반복적이고 수동적임

DatasetHelper는 이러한 문제를 한 번에 해결하도록 설계되었습니다.

---

DatasetHelper 주요 기능

1. 어노테이션 포맷 변환 (changeAnnotation)

DatasetHelper는 다양한 포맷의 어노테이션 파일을 YOLO 형식으로 자동 변환합니다.

• VOC XML, COCO JSON 등 다양한 포맷 지원
• 클래스 매핑 기반 일괄 변환
• 수동 변환 필요 없음

어노테이션 변환

SEO 키워드: YOLO 어노테이션 변환, VOC → YOLO, COCO → YOLO

---

2. 이미지 데이터 증강 (dataAugmentation)

데이터가 부족할 때 학습 성능을 높이기 위해, DatasetHelper는 이미지 증강 기능을 제공합니다.

• 회전, 뒤집기, 색상 변화, 노이즈 추가 등 다양한 증강 기법 지원
• bbox 정보와 연동되어 정확한 라벨 유지
• YOLO 학습 데이터셋 다양성 증가

데이터 증강

SEO 키워드: YOLO 데이터 증강, 이미지 증강, 객체 탐지 데이터셋 증강

---

3. 데이터셋 자동 분할 (spliter)

YOLO 학습용 데이터를 train/val/test로 나누는 과정도 자동화했습니다.

• 이미지와 txt 라벨을 함께 이동
• 자동 폴더 구조 생성 (images/train, images/val, images/test)
• 반복 작업 최소화

데이터 분할

SEO 키워드: YOLO 학습 데이터셋 분할, train val test 자동 분할

---

4. 직관적인 GUI 지원

DatasetHelper는 Python tkinter 기반 GUI를 제공합니다.

• 명령어 입력 없이 버튼 클릭만으로 데이터셋 준비 가능
• 경로 선택, 변환, 증강, 분할까지 모두 직관적으로 수행
• 프로그래밍 경험이 없어도 사용 가능

SEO 키워드: YOLO GUI 데이터셋 툴, YOLO 데이터셋 관리 툴

 

향후 업데이트 계획

 

DatasetHelper는 지속적으로 업데이트될 예정입니다.

• 다양한 증강 기법 추가
• 더 많은 어노테이션 포맷 지원
• GUI 개선 및 사용자 피드백 반영

SEO 키워드: YOLO 데이터셋 자동화, 객체 탐지 데이터셋 관리, YOLO 데이터셋 툴 업데이트

---

결론

DatasetHelper는 제가 직접 만든 YOLO 학습용 데이터셋 준비 자동화 툴입니다.

• 데이터셋 준비 시간 단축
• 오류 없는 bbox 변환과 자동 폴더 구조
• 직관적인 GUI로 누구나 사용 가능

YOLO 학습을 준비하는 분이라면, DatasetHelper로 데이터셋 관리와 증강 과정을 손쉽게 자동화할 수 있습니다.

GitHub에서 DatasetHelper 확인하기