[AI 부트캠프] DAY 136 - 파이널 프로젝트 27

[오늘의 일지]

프로젝트 - YOLOv8 다중 클래스 학습 결과

[상세 내용]

YOLOv8 다중 클래스 학습 결과

- 지난 일지에서 코랩에서 대용량 데이터를 활용해서 학습을 시키는 방법을 정리하였습니다. 그렇게 학습하게 된 대용량 데이터의 다중 클래스 학습의 결과를 정리해 보겠습니다.

 

제한된 조건

- 대용량 데이터라도 여유 있는 리소스가 있었다면 평가 지표가 어느 정도 수렴할 때까지 학습시켜 보면 좋겠지만 코랩 프로 플러스의 컴퓨팅 단위가 제한되어 있어서 10 epochs 정도만 학습시키는 걸로 시도해 보았습니다.

 

학습 결과

- 대용량 데이터의 학습 결과를 직관적으로 결과를 평가하기 위해서는 비교대상이 필요했습니다. 사실 9개의 클래스를 학습시킬 때도 느꼈지만 클래스의 개수가 늘어날수록 같은 epochs의 학습을 하게 된다고 해도 학습의 효율이 떨어진다는 것은 알고 있었습니다. 하지만 이번 학습 결과를 통해서 확실하게 학습 효율이 더디다는 것을 느끼게 된 것 같습니다.

 

- 단일 클래스 10 epochs

 

- 9개 클래스 10 epochs

 

- 392개 클래스 10 epochs

 

인사이트

- 오늘은 단지 직관적으로 학습 결과에 대해서 인사이트를 정리해 보자면 대용량 또는 클래스의 개수가 늘어날수록 같은 epochs를 학습하더라도 학습 효율이 떨어진다는 것을 알게 되었습니다. 즉 다중 클래스 학습을 할 때는 원하는 결과를 얻기 위해서 epochs를 충분히 많이 줘야 된다는 점을 다시 한번 느끼게 되었습니다.

 

[마무리]

 오늘은 대용량 데이터 학습을 시도한 결과에 대해서 정리해 보았습니다. 다만 충분한 epochs로 학습한 것이 아니라서 결과적으로는 원하는 결과는 얻지는 못했지만 그래도 새롭게 알게 된 부분도 많아서 좋은 경험이었던 것 같습니다.