2023/1221 [AI 부트캠프] DAY 105 - CV 프로젝트 6 [오늘의 일지] 프로젝트 - 전처리 결과 [상세 내용] 전처리 결과 사실상 실패 - 멘토링 상담 후에 저희 조는 조언을 받아들이고 1차적으로 사고 비사고를 분류할 수 있는 모델을 위해서 사고 장면만을 3 프레임 단위로 뽑아서 학습을 돌렸습니다. 결과적으로 기본점수보다도 더 안 좋은 결과를 얻게 되었습니다. 실패 요인 분석 - 지금까지 배운 내용에 의하면 1차 모델과 같이 이진 분류를 하기 위해서는 사고 장면뿐만 아니라 비사고 장면도 많이 포함되어 있어서 각각의 라벨을 확실하게 잡아주고 사고인지 비사고인지를 분류하는 것이 맞는 방향이라고 생각했다. 분명 멘토님과의 대화에서 잘못 이해한 부분이 있었기 때문에 이러한 결과가 초례한 것이 아닐까 생각했습니다. 다시 개선 방향 - 전체 사고 영상을 다시 보면서 3.. 2023. 12. 19. [AI 부트캠프] DAY 104 - CV 프로젝트 5 [오늘의 일지] 프로젝트 - 학습을 위한 충돌 영상 분류 [상세 내용] 학습을 위한 충돌 영상 분류 작업의 목표 - 어제 1차적으로 전체 데이터에서 사고 데이터만 분류를 한 뒤에 나머지 사고 데이터만으로 다시 나머지 3개의 기준으로 멀티라벨링을 할 수 있는 모델을 구축하기로 계획이 되어있었습니다. 그렇기 때문에 첫 번째 모델이 사고와 비사고를 잘 분류시키기 위해서 따로 확실한 사고 장면만을 가지고 있는 이미지가 필요한 상황이 된 것입니다. 다시 사고 이미지 추출 - 제가 데이터의 전처리와 분석 담당이기 때문에 사고 장면만을 따로 추출해야 했습니다. 처음에는 그냥 영상의 마지막 5 프레임정도만 추출하면 대부분 뽑을 수 있겠다고 생각했지만 생각보다 기준이 없어서 다시 사고영상만을 하나씩 확인하는 과정을 하게.. 2023. 12. 16. [AI 부트캠프] DAY 103 - CV 프로젝트 4 [오늘의 일지] 프로젝트 - 추출한 이미지 정제 및 기준 설정 [상세 내용] 추출한 이미지 정제 및 기준 설정 회의 정리 - 영상 데이터를 분석한 결과를 토대로 새로운 기준을 만들어서 모델이 학습하기 위해서 최적의 조건을 만들어 주는 작업을 해야겠다고 생각했습니다. 사고 장면 위한 구간 설정 - 제가 모든 영상을 보면서 분석한 결과 5초짜리 영상의 앞에 1초에서 2초까지는 사고 영상이든 사고 영상이 아니든 절대로 사고와 관련된 장면은 찾아볼 수 없었습니다. 그걸 기준으로 하여 처음에는 1.2초까지 삭제를 하고 나머지 뒤에 영상만 이미지화해서 사용하기로 했는데 멘토님과의 상담을 통해서 알게 된 것이 사고 영상으로 라벨링이 되어있는 영상이라면 이미지화된 부분이 사고 장면 비율이 높을수록 모델이 학습하기에 좋.. 2023. 12. 15. [AI 부트캠프] DAY 102 - CV 프로젝트 3 [오늘의 일지] 프로젝트 - 영상 데이터 분석 결과 [상세 내용] 영상 데이터 분석 결과 - 제가 영상을 보면서 찾은 문제가 있는 영상은 약 200개 정도였습니다. 그중에서 진짜로 필요 없다고 생각되는 영상이 32개 정도로 우선적으로 이 영상들만 제거하기로 결정을 내렸습니다. 나머지는 지정된 라벨이 애매한 영상들이었는데 이 부분은 나중에 학습시킬 때 다시 수정하면서 성능이 높아지는 파악하기 위해 사용하기로 하고 남겨뒀습니다. 문제 영상 특징 - 제가 찾은 문제 상황에 대해서 간단하게 보여드리겠습니다. 아래의 예시와 같은 진짜 관련 없는 영상들만 1차적으로 이상치로 판단하여 제거하였습니다. 나머지 문제 영상 정의 - 나머지 영상들의 대부분은 라벨링이 애매하게 지정되어 있는 것들이 많았습니다. 예를 들면 주.. 2023. 12. 14. 이전 1 2 3 4 5 6 다음 반응형
