YOLO Mini Project

Team

  • 팀원
    김수현, OOO
  • R&R
    김수현(데이터 수집, 데이터 전처리, 테스트), OOO(데이터 수집, 데이터 전처리)

Dataset

  • 출처
    Musinsa Brand Snap Image
  • 구성
    train, test, valid 디렉토리로 구성, 각 디렉토리는 images, labels의 서브 디렉토리로 이루어져 있음
    또한, 대상 class 개수는 15개이며, Beanie, Buckethat, Cap, Glasses 등 의류 카테고리에 대한 class임, train image 243장, valid image 30장, test image 27장으로 구성됨

Modeling

Pretrained Model

  • YOLO releases v6.0 YOLOv5s version

Hyperparameter

img_size = 416
batch_size = 32
epochs = 100
detect_rate = 0.5

Development

  • Goal
    Object detection process 이해, Object detection Image dataset 구축 능력 향상

  • Term
    2022.04.10 ~ 2022.04.12

  • Environment
    Colab

    • Tesla T4 12GB
    • Python 3.7
  • Step

    • 데이터 수집 2hr
    • 데이터 전처리 및 학습 데이터 생성 8hr
    • 모델 학습 0.5hr
    • 문제점 분석 및 해결방안 논의 0.5hr
    • Total = 11hr
  • 모델 선정
    timew0+F1scorew1+mAPw2time * w_0 + F1 score * w_1 + mAP * w_2

  • 시행착오 및 문제점

    • Jeans class와 Pants class의 이미지 형태가 유사하고, 파란 계열의 청바지만 jeans으로 labeling 처리.
      때문에 일부 청바지 이미지에 대해서는 Jeans과 Pants의 Bounding Box가 겹쳐서 나타나게 됨
  • 프로젝트 개선사항

    • 청바지의 이미지와 다른 재질의 바지 이미지를 더 수집하여 Jeans과 Pants의 인식률을 높일 필요성이 있음
    • 아우터리를 제외한 모든 상의를 Top class로 통일 했기 때문에 상의에 대해서 많은 class로 구분되지 않음. 따라서 더 많은 상의 데이터 수집 및 라벨링을 통해 상의 종류를 구분할 수 있도록 개선할 수 있음

Result

좋은 웹페이지 즐겨찾기