[AI 부트캠프] DAY 132 - 파이널 프로젝트 23

[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.