[오늘의 일지]
프로젝트 - 학습 결과 분석
[상세 내용]
학습 결과 분석
- 지난 일지에서는 바운딩 박스 데이터에 대해서 잘 못된 위치를 바로잡기 위해서 데이터 로더를 수정하기도 하고 이상치는 제거도 시켜주는 과정을 정리했습니다. 오늘은 수정된 바운딩 박스가 학습 결과에서 얼마나 효과가 있었는지 비교 분석해 보는 과정을 정리해 보겠습니다.
학습 조건
- 원활한 비교를 위해서 다른 조건은 모두 동일하게 해 줬습니다. 다만 전체 epochs는 같지만 early stopper로 인해서 종료되는 epochs는 차이가 발생한 부분이 있다는 것을 알려드리겠습니다.
model = YOLO("yolov8n.yaml")
results = model.train(
data="D:/상표 이미지 및 텍스트/Training/data4/yolocustom.yaml",
imgsz=320,
epochs=100,
batch=4,
patience=5,
workers=16,
device=0,
exist_ok=True,
project=f"{MODEL}",
name="train",
seed=SEED,
pretrained=False,
resume=True,
optimizer="Adam",
lr0=1e-3,
augment=False,
val=True,
cache=True
)
학습 결과
- 기존 데이터셋 결과 : mAP50이 0.445이고 mAP50-95가 0.208으로 나왔습니다.
- 수정 후 데이터셋 결과 : mAP50이 0.518이고 mAP50-95가 0.236으로 나왔습니다.
인사이트
- 우선 결과적으로는 평가지표가 소폭 상승했다는 것을 확인할 수 있었습니다. 당연한 결과였지만 기준이 되는 바운딩 박스의 위치가 잘못된다면 결과도 잘못될 수 있다는 것을 다시 한번 느낄 수 있었습니다. 그리고 데이터셋을 구성할 때는 꼭 이미지에 적용시켜서 위치가 달라지지 않았는지 확인하는 것도 중요하다고 느꼈습니다.
[마무리]
오늘은 수정된 데이터셋이 학습에 얼마나 영향을 미치는지 분석해 보는 과정을 정리해 보았습니다. 오늘 과정을 통해서 앞으로 프로젝트나 업무를 진행할 때 중간 과정에서 잘못된 부분이 없는지 확인하는 것이 시간을 낭비하지 않고 효율적으로 사용하기에 중요하다는 점은 배웠습니다.
반응형
'AI > AI 부트캠프' 카테고리의 다른 글
[AI 부트캠프] DAY 134 - 파이널 프로젝트 25 (0) | 2024.01.31 |
---|---|
[AI 부트캠프] DAY 133 - 파이널 프로젝트 24 (0) | 2024.01.30 |
[AI 부트캠프] DAY 131 - 파이널 프로젝트 22 (0) | 2024.01.26 |
[AI 부트캠프] DAY 130 - 파이널 프로젝트 21 (0) | 2024.01.25 |
[AI 부트캠프] DAY 129 - 파이널 프로젝트 20 (2) | 2024.01.24 |
댓글