📂 모델별 폴더 구조 가이드

Git Rich

2025. 05. 27

📌 개요

딥러닝 모델 학습은 대부분 정답이 주어진 지도 학습(Supervised Learning) 방식이다.
즉, 학습 전에 사람이 이미지가 정상인지, 결함이 있는지를 먼저 지정해 줘야 한다.
그리고 모델별로 요구하는 폴더 구조와 라벨 포맷이 다르다.

이번 포스트에서는 대표적인 분류 모델인 ResNet과
대표적인 검출 모델인 YOLOv5를 기준으로
각 모델이 요구하는 디렉토리 구조와 라벨 형식을 비교 정리했다.

모델 유형	예시 모델	디렉토리 구조	라벨링 방식
🧠 분류 (Classification)	`ResNet`	`data/defect/`, `data/normal/`	폴더명이 곧 라벨 (`ImageFolder` 방식)
📍 검출 (Detection)	`YOLOv5`	`images/train/`, `labels/train/` + `.txt` or `label.csv`	바운딩 박스 좌표 + 클래스 번호 필요
(`x,y,w,h,class`)

data/
├── defect/
│   ├── 001.png
│   └── ...
├── normal/
│   ├── 001.png
│   └── ...

datasets/
├── images/
│   ├── train/
│   ├── val/
├── labels/
│   ├── train/
│   ├── val/

YOLO 라벨 예시 (labels/train/0001.txt)

  # class x_center y_center width height
        0    0.45   0.52     0.2     0.1  

이미지 파일 이름은 1, 23, 456보다

0001, 0023, 0456처럼 자릿수를 맞춰 정렬하는 것이 안전하다.

Contents