🗄️ Data

# 데이터프레임 찍어보기 (상위 5개)
print(df.head())

📊 Bar Charts

### Object Count by Category (카테고리별 불균형 확인)

> 분석: 어떤 카테고리(예: K-004)는 데이터가 500장 이상으로 넘쳐나는데, 다른 것들은 50장도 채 안 되는 게 보입니다.

> 정제 전략: 데이터가 너무 적은 카테고리는 모델이 학습하기 어려울 것 같습니다. 증강 및 AI-hub를 이용해 **"데이터 부족한 알약 위주로 추가 수집 팔요!"** (test dataset으로 쓰인 5000개짜리 제외)

### Objects per Image (이미지당 객체 수 분포)

> 분석: 평균 3.04개이고, 대부분의 이미지에 알약이 2~4개 정도 담겨 있음.

> 정제 전략: 만약 알약이 1개만 있는 이미지가 너무 많다면, 전처리 과정에서 이미지를 회전시키거나 합성해서 객체 수를 늘리는 파이프라인(Augmentation)을 구축해야 할 필요가 있음.

🔍 Bbox 확인

### Check Bbox (바운딩 박스 검수)

> 분석: 알약 위에 빨간 박스가 아주 정확한 위치에 그려져 있는걸로 보임 (전체적으로 라벨링 품질은 좋아 보임).

✅ Data Match 확인

# annotation id와 train data가 1:1 대응이 잘 되는지 확인

def check_data_alignment(df, img_dir):
    actual_files = set(os.listdir(img_dir))
    df_files = set(df['image_path'].apply(lambda x: os.path.basename(x)))
    
    # 이미지 파일은 있는데 JSON에 없는 경우 (Missing Label)
    missing_labels = actual_files - df_files
    # JSON에는 있는데 실제 파일은 없는 경우 (Missing Image)
    missing_images = df_files - actual_files
    
    print(f"✅ 교집합 검사 완료!")
    print(f"👉 라벨 없는 이미지: {len(missing_labels)}개")
    print(f"👉 이미지 없는 라벨: {len(missing_images)}개")

check_data_alignment(df, TRAIN_IMG_DIR)

✅ 교집합 검사 완료! 👉 라벨 없는 이미지: 0개 👉 이미지 없는 라벨: 0개

✅ Data 정제 확인

### 해상도 완벽 통일 (Consistency):

> 그래프에 막대기가 딱 한 줄(1280 부근)만 뾰족하게 솟아있는 것은 모든 이미지의 가로(Width)와 세로(Height)가 **똑같은 크기(예: 1280x1280)**로 깔끔하게 정리가 잘 된것을 볼 수 있음.  
모델 학습할 때 리사이즈 비율을 고민할 필요가 없어서 성능이 아주 안정적으로 나올 거라 추측해볼 수 있음.

### 깨진 파일 0개 (Reliability):

> 하단에 "0개 깨진 파일 제거됨"은 수집한 모든 데이터가 읽기 가능한 상태라는 뜻.