2024/0121 [AI 부트캠프] DAY 134 - 파이널 프로젝트 25 [오늘의 일지] 프로젝트 - 학습 결과 분석 [상세 내용] 학습 결과 분석 - 지난 일지에서는 전체 데이터 중 단일 클래스의 학습 결과를 분석하는 과정을 정리했습니다. 오늘은 기존 단일 클래스 학습보다 전체 클래스는 아니지만 다수의 클래스를 추가해서 학습을 시킨 뒤 결과를 비교 분석해 보는 과정을 정리해 보겠습니다. 학습 조건 - 단일 클래스든 다중 라벨 클래스든 우선 같은 조건으로 학습할 데이터만 다르게 설정을 했습니다. 설정한 조건은 아래와 같습니다. 다만 epochs는 100으로 모두 동일하게 설정을 했지만 early stopper를 설정해서 종료되는 epochs는 차이가 발생했다고 할 수 있습니다. model = YOLO("yolov8m.yaml") results = model.train( dat.. 2024. 1. 31. [AI 부트캠프] DAY 133 - 파이널 프로젝트 24 [오늘의 일지] 프로젝트 - 결과 이미지 분석 [상세 내용] 결과 이미지 분석 - 오늘은 이미지의 바운딩 박스와 IOU값을 통해서 정말로 예측이 잘 되고 있는지를 파악해 보고 나중에 학습한 데이터를 데모 페이지를 만들거나 예측 서비스를 만들 때 써도 되는지 유무를 판단해 보도록 하겠습니다. 학습 결과 데이터 - 결과 데이터는 지난번에 비교한 320 사이즈의 데이터가 아닌 640 사이즈 데이터를 이용하겠습니다. 몇 번의 학습을 통해서 확인한 결과 이미지의 사이즈가 원래 이미지 보다 작아지면 생각보다 인식이 잘 안 되는 경우도 많았고 640으로 했을 때 320 보다 더 좋은 결과를 얻어서 변경하게 되었습니다. 바운딩 박스 결과 확인 - IOU 값이 0.5나 0.6 정도만 나와도 거의 제대로 detection.. 2024. 1. 30. [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/d.. 2024. 1. 27. [AI 부트캠프] DAY 131 - 파이널 프로젝트 22 [오늘의 일지] 프로젝트 - 이상치 제거 [상세 내용] 이상치 제거 - 지난 일지에서 언급했듯이 이번 프로젝트는 이미지 데이터를 가지고 학습을 하는 것을 베이스로 하고 있습니다. 그래서 제가 이상치라고 생각한 부분은 바운딩 박스가 완전히 범위를 벗어난 값들은 모두 이상치라고 생각했습니다. 그런 데이터를 EDA 해보고 처리 코드를 통해서 제거하는 과정을 정리해 보겠습니다. 범위의 기준 - 제가 생각한 범위는 기본 이미지 사이즈를 기준으로 바운딩 박스의 min 지점이 넘어가면서 너비와 높이 또한 음수가 아닌 양수를 가질 때는 무조건 이미지 밖에 바운딩 박스가 존재할 것이라고 판단했습니다. 결과는 아래와 같이 나왔는데 전체 200만 개가 넘는 데이터 중에서 이 정도면 많은 정도는 아니라고 생각했습니다. cou.. 2024. 1. 26. 이전 1 2 3 4 ··· 6 다음 반응형
