AI Canvas
AI Canvas 바로가기
  • 시작하기
    • 서비스 소개
    • 주요 용어 설명
    • 계정 및 언어 설정
  • 캔버스 기본 사용법
    • 캔버스 탭 관리
    • 캔버스 화면 관리
    • 캔버스 공유 및 권한 설정
    • 노드 조작 및 관리
    • 엣지 조작 및 관리
    • 스케줄 설정
    • 노드별 크레딧 소모량
  • 노드 종류
    • 데이터
      • URL 리더
      • 데이터
      • PDF 데이터
      • 데이터 분할
      • 데이터 저장소
      • 명령 프롬프트
      • 예제 데이터
      • 이미지 데이터
      • 텍스트 입력
      • 텍스트-데이터 변환
    • API
      • 기업공시
      • 깃허브 커밋
      • 대화형 아바타
      • 크롤링
      • 프롬프트
    • 전처리
      • 결측치 채우기
      • 그룹화
      • 데이터 병합
      • 데이터 비닝
      • 데이터 수정
      • 데이터 어노테이션
      • 데이터 연결
      • 스케일링
      • 슬라이싱
      • 열 선택
      • 열 타입 변경
      • 이미지 임베딩
      • 이상치 제거
      • 중복 제거
      • 차원 축소
      • 텍스트 임베딩
      • 텍스트 전처리
      • 특성 생성
      • 파이썬 스크립트
      • 표본 재추출
      • 픽셀 변환
      • 행 결합
      • 행 선택
    • 모델
      • YOLO 모델
      • 결정 트리
      • 그래디언트 부스팅
      • 랜덤 포레스트
      • 로지스틱 회귀
      • 모델 학습
      • 서포트 벡터 머신
      • 선형 회귀
      • 시계열 모델 학습
      • 신경망
      • 얼굴 인식
      • 에이다 부스트
      • 일괄 예측
      • 추천 SVD++
      • 추천 모델 학습
      • 추천 베이스라인
      • 프로펫
    • 평가
      • ROC 커브
      • 메트릭
      • 모델 평가
      • 에러 히스토그램
      • 정답 비율
      • 정확도
      • 특성 중요도
      • 특성 중요도 비교
      • 혼동 행렬
    • 알림
      • 이메일 전송
    • 시각화
      • 막대 그래프
      • 수평 막대 그래프
      • 선도표
      • 바이올린 플롯
      • 박스 플롯
      • 산점도 그래프
      • 히트맵
      • 원 그래프
      • 게이지 차트
      • 버블 차트
      • 결측치 비율
      • 데이터 개수
      • 예측값 비교
      • 평균 비교
      • PR 트랜드
      • 특성 통계
      • 평균 예측값
      • 워드클라우드
    • UI
      • 데이터 정보
      • 데이터 테이블
      • 리스트
      • 버튼
      • 샌드박스
      • 아이콘
      • 예측하기
      • 이미지 뷰어
      • 챗 UI
      • 텍스트 출력
      • 텍스트 편집기
      • 페이지
      • 필터
      • 행
      • PDF 뷰어
      • CM
    • 애플리케이션
      • 애플리케이션
    • 배포
      • 배포
  • 워크스페이스 관리
    • 워크스페이스 보기
    • 워크스페이스 생성 및 설정
    • 워크스페이스 공유 및 권한 설정
  • 애플리케이션 페이지
    • 로그인 및 로그아웃
    • 설정 및 캔버스
    • 권한 및 멤버 관리
  • 캔버스 실습 가이드
    • 1. AI 모델 구축
      • 데이터셋 준비
        • 데이터셋 업로드
      • 탐색적 데이터 분석
        • 데이터 살펴보기
        • 결측치 확인하기
      • 데이터 전처리
        • 결측치 채우기
        • 열 선택
      • AI 모델 구축
        • 데이터 분할
        • 학습 알고리즘 선택
        • 모델 학습
        • 모델 사용해보기
      • 데이터 검증
        • 검증 진행
      • 모델 평가
        • 모델 평가
        • 특성 중요도 살펴보기
      • 결과 화면
    • 2. 데이터 시각화
      • 막대 그래프
      • 박스 플롯
      • 산점도 그래프
      • 원 그래프
      • 데이터 개수
      • 에러 히스토그램
      • 예측값 비교
      • 결과 화면
    • 3. 대시보드 UI 제작 및 애플리케이션 구축/배포
      • 페이지 구성하기
      • 애플리케이션 구축
      • 애플리케이션 배포
      • 결과 화면
    • 4. 프레임을 활용한 프레젠테이션 및 캔버스 공유
      • 프레임을 활용한 프레젠테이션
      • 캔버스 공유하기
    • 가이드 전체 영상
  • 인공지능 교육 영상
    • 회귀 모델의 평가지표
    • 분류 모델의 평가지표
Powered by GitBook
On this page
  • 설명
  • 예제
  1. 노드 종류
  2. 데이터

이미지 데이터

이미지 파일을 업로드하여 읽습니다.

Previous예제 데이터Next텍스트 입력

Last updated 7 months ago

입력 포트

  • 없음

출력 포트

  • 데이터셋: 업로드한 데이터

설명

이미지 데이터 위젯을 사용하여 사용자는 폴더째로 이미지를 드랍하거나 파일 선택을 통해 이미지를 업로드할 수 있습니다. 업로드된 이미지는 자동으로 분류되어 새로운 클래스가 생성됩니다. 위젯을 마우스 오른쪽 버튼으로 클릭하여 '데이터 보기'를 선택하면, 입력한 이미지 데이터의 형태와 정보를 알 수 있습니다.

이미지 업로드 방법

파일이나 폴더를 드랍존에 드래그 앤 드롭하거나 드랍존을 클릭해 직접 파일을 선택하여 이미지를 업로드할 수 있습니다. 이미지를 업로드할 경우 자동으로 새로운 클래스가 생성됩니다. 폴더를 업로드하는 경우 폴더명이 새로운 클래스명으로 지정됩니다. 업로드가 한번 끝나면 클래스별로 분류가 됩니다. 클래스 밖의 드랍존(예제 2번 사진의 왼쪽)은 업로드시 새로운 클래스명을 생성하며 이미지들을 분류합니다. 클래스 내부의 드랍존(예제 2번 사진의 오른쪽)은 새로운 클래스명을 생성하지 않고 기존 클래스에 이미지를 추가하는 방식으로 관리됩니다.

주의사항

업로드할 이미지 하나당 파일 사이즈는 최대 6MB이며, 지원하는 파일 형식은 (jpeg, png, gif, bmp)입니다.

예제

*데이터의 용량이 큰 경우 데이터 업로드에 시간이 다소 소요될 수 있으나, 백그라운드로 나가도 업로드는 계속되오니 자유롭게 워크스페이스를 드나들어도 됩니다.*

1. 이미지 업로드 전
2. 이미지 업로드 후 클래스별로 분류