AIFFELTHON 기록3

1. 데이터셋 볼륨에 따른 yolov5n과 yolov5s 모델의 mAP 변화를 기록한 테이블을 얼추 작성함.
2. 현재는 augmentation을 추가한 데이터셋으로 실험 중

1. 기존 데이터셋으로 mAP 측정

데이터셋 정보
1. 각 클래스 당 train 250장, val 55장
2. 각 클래스 당 train 500장, val 110장

• yolov5n

  • train mAP
    

  • val mAP
    

  • 데이터셋 볼륨에 따른 mAP 차이가 거의 없다. 특정 epoch 이후 mAP가 감소하는 것을 확인.

  • 이후 yolov5s 모델 실험에는 클래스 당 500장으로 구성된 데이터셋으로만 실험하였는데, 그 이유는 이전 기록에 있음.

• yolov5s

  • train mAP
    

  • val mAP
    

  • epoch 50, 100, 150에서만 학습을 진행한 이유는 베이스라인으로 잡은 yolov5n 모델에서 epoch 100이 가장 높은 mAP를 기록하여 해당 epoch를 기준으로 비교를 하기 위한 학습이었기 때문이다. 그 결과 yolov5s 모델에서도 기존 베이스라인 모델과 mAP에 큰 차이가 없었음.

  • 결론

    • 처음엔 mAP가 데이터셋 보다는 모델의 차이에 대한 영향을 더 받을 거라 생각했는데 데이터셋의 영향을 많이 받는다.
    • 따라서 현재는 기존 데이터셋에 augmentation을 추가하여 베이스라인 모델과 yolov5s 모델에서 같은 데이터셋으로 각각 epoch 100, 200, 300번을 수행 중.

2. 기존 데이터셋 + augmentation

• mAP는 오히려 떨어졌으나 epoch가 증가할 수록 지속적으로 올라감.

• yolov5n

  • train mAP
    
  • val mAP
    

• 이미지로 테스트
  1. EZn6_ANY
  

  2. Iworld
     
     위 두 이미지는 정답을 잘 예측했지만,

  3. Azinpam
     
     아진팜은 라니웰로 잘못 예측했다. 아마 색이 비슷한 약이라서 이런 결과가 나오지 않았을까 생각된다. 라니웰 이미지로 테스트를 해보면 잘 인식하고, 아진팜 이미지로 다시 실험을 했을 땐 또 잘 나옴.
     

     

  4. raniwell
     

• yolov5s

  • 다른 팀원이 학습 진행 중

• 멘토님께 드릴 질문

  1. 데이터셋에 어떤 augmentation을 적용하면 좋을지
  2. 이미지의 경우 rank 출력을 어떻게 하면 좋을지