2023.04.12 UltraLytics YOLO v5 이미지 디텍팅 모델 성능 향상

파이썬 개발 환경 개념

PyCharm (파이참)

PyTorch (파이토치)

GPU 사용 이유

TesorBoard 모델 성능 결과 확인

mAP_0.5

mAP_0.5:0.95

Precision

recall

pre-trained 모델 성능 비교

n,s,m,l,x 5가지 버전 n -> x로 갈수록 무거운 모델
모델이 무거울수록 mAP가 높아짐

Yolov5 어노테이션 데이터 형식

yolov5 모델 성능 높이는 방법 (yolov5 공식 깃허브 피셜)

• background image 넣기 => bg image를 넣으면 false positive가 줄어든다고 한다. train 이미지 전체의 0~10% 정도 넣어주는 것을 추천한다.
• pretrained weight 사용하기 => 작거나 중간 정도의 사이즈의 데이터셋 사용 시 추천한다. (yolov5.pt 대신 다른 것을 넣는 것이다.)
• epoch 을 300부터 시작해서 overfitting 이 발생하면 줄이고 아니면 점차 늘린다.
• 기본 파라미터들은 hyp.scatch.yaml에 있다. 먼저 이 parameter들을 학습시켜놓는 것을 추천한다. yolov5에서는 hyperparameter evolution 이라는 기법을 사용한다. 이는 genetic algorithm(GA)를 사용해서 hyperparameter를 최적화한다. 이 기법은 [이 블로그]를 참고하는 것이 좋다. 인자값으로 --evolve를 줘서 이 기법을 사용할 수 있다고 한다.

도커 (Docker)