feat: add ResNet dataset studio step 1

README.md

@@ -46,6 +46,12 @@ pick/place → 데이터와 정책 검증 → 실물 calibration** 순서로 진
 | [`ros_arm/`](ros_arm/README.md) | Arduino Uno + SG90/MG90 4축 제어 | `JointState`→USB serial, sequence GUI, firmware와 안전 범위 |
 | [`onshape/jdcobot100/`](onshape/jdcobot100/) | CAD·mesh·MJCF 자산 | jdcobot100 visual과 MuJoCo reference model |
 
+### PyTorch·컴퓨터 비전 실습
+
+| 경로 | 내용 | 공개 범위 |
+|---|---|---|
+| [`pytorch/resnet_dataset_studio_step1/`](pytorch/resnet_dataset_studio_step1/README.md) | 웹캠 기반 4클래스 × 1,000장 데이터 수집기와 ImageFolder 무결성 검사 | 코드·테스트·카페 공유 ZIP만 포함하며 개인 촬영 이미지는 제외 |
+
 설계 판단과 중단 조건은 [`project-planning/`](project-planning/)에 남긴다.
 원시 dataset이나 실행 영상 대신 사람이 다시 확인할 수 있는 revision, contract,
 metric과 hash를 기록한다.

pytorch/resnet_dataset_studio_step1/.gitignore

@@ -0,0 +1,3 @@
+collected_images/
+integrity_report.json
+__pycache__/

pytorch/resnet_dataset_studio_step1/README.md

@@ -0,0 +1,70 @@
+# STEP 1 — 웹캠 데이터 수집
+
+PDF의 STEP 1을 직접 실행하기 위해 만든 로컬 데이터 수집 도구다. 브라우저의 웹캠과 내 컴퓨터의 Python 저장 서버를 사용하며 이미지는 외부로 전송하지 않는다.
+
+## 실행
+
+    conda activate lerobot-vision
+    cd ~/DAPIER/pytorch/resnet_dataset_studio_step1
+    python serve.py --open
+
+브라우저가 열리지 않으면 http://127.0.0.1:8765 에 접속한다.
+
+## 수집 순서
+
+1. 카메라 시작을 누르고 카메라 권한을 허용한다.
+2. class_A부터 class_D까지 실제 라벨 이름으로 변경한다.
+3. 데이터 폴더 준비를 눌러 저장 위치와 기존 이미지 수를 확인한다.
+4. 객체를 중앙 ROI 안에 크게 배치한다.
+5. 누르고 있는 동안 촬영 또는 자동 촬영 시작을 사용한다.
+6. 클래스마다 정확히 1,000장을 채운다.
+
+기본 저장 위치는 이 폴더 아래 collected_images다. 다른 위치를 사용하려면 실행할 때 --output 경로를 추가한다. 저장 구조는 PyTorch datasets.ImageFolder가 바로 읽을 수 있다.
+
+    선택한_폴더/
+    ├── class_A/
+    ├── class_B/
+    ├── class_C/
+    ├── class_D/
+    └── collection_state.json
+
+촬영 결과는 224×224 JPEG다. 흐림 필터는 Laplacian 분산을 사용하고, 중복 필터는 최근 프레임의 dHash를 비교한다. 필터가 너무 엄격하면 화면에서 개별 옵션을 끌 수 있다.
+
+## 데이터 수집 시 바꿀 조건
+
+- 객체의 앞·뒤·옆과 기울어진 각도
+- 카메라와의 거리
+- 밝기와 그림자
+- ROI 내부의 좌·우·위·아래 위치
+- 손으로 잡은 상태와 바닥에 놓은 상태
+
+배경만 바뀌고 객체가 거의 움직이지 않는 1,000장은 좋은 데이터가 아니다. 촬영 도중 의도적으로 위 조건을 바꾼다.
+
+## 무결성 검사
+
+    python integrity_check.py /path/to/선택한_폴더 \
+      --target 1000 \
+      --expected-classes 4 \
+      --json integrity_report.json
+
+검사는 클래스 수, 클래스별 장수, 손상 이미지, 64×64 미만 이미지, 완전히 동일한 파일, ImageFolder 로딩을 확인한다. 모든 조건을 만족해야 PASS가 출력된다.
+
+## 카페 공유본
+
+`ResNet_Dataset_Studio_STEP1.zip`은 코드, README, 테스트만 담은 배포본이다.
+웹캠으로 촬영한 개인 이미지, `collected_images`, Python 캐시와 PC별 절대 경로는
+포함하지 않았다.
+
+- 압축 크기: 약 17 KiB
+- SHA-256: `72c7e37b8a079ad5222ca78b3d3fbc38f63acb612ade9a95a3394e43fa3e40f9`
+- 압축 무결성: `unzip -t` 통과
+
+## 확인한 항목
+
+- `node --check app.js`
+- Python 문법 컴파일
+- `test_integrity_check.py` 단위 테스트 2개
+- 임시 JPEG 4장을 사용한 API 저장·무결성 검사
+
+원본 촬영 데이터는 Git에 올리지 않는다. 각 사용자가 직접 수집하고
+`integrity_check.py`로 클래스별 장수와 손상 여부를 확인한다.