클래스 당 250장 데이터셋에 웹 캠으로 촬영한 이미지 각 클래스 당 100장 + 알약이 아닌 객체(단추 등)을 110장 추가하여 약 1110장을 추가하여 yolov5n(epoch 500), yolov5s(epoch 1000)학습을 진행. mAP는 0.7~0.8 사이로
클래스 당 500장 + augmentation = 약 13800 장 데이터셋으로 yolov5n과 yolov5s 모델을 각각 다른 epoch로 훈련 하여 mAP 테이블 작성한 결괴, augmentation을 한 데이터셋에서는 mAP가 꾸준히 오르는 것을 확인하였음.최종
데이터셋 볼륨에 따른 yolov5n과 yolov5s 모델의 mAP 변화를 기록한 테이블을 얼추 작성함.현재는 augmentation을 추가한 데이터셋으로 실험 중데이터셋 정보1\. 각 클래스 당 train 250장, val 55장 2\. 각 클래스 당 train
기존 데이터셋에서 epoch 당 수행 속도가 너무 오래걸리는 문제점이 있었고, train.py 실행 시 이미지 corrupt 경고가 전체 데이터셋에 걸쳐 발생하는 문제가 있었음.멘토링 결과 데이터셋의 볼륨을 줄이라는 조언이 있었음: 클래스 당 500장에서 250장으로
22.05.19YOLOv5n 모델로 베이스라인 모델 수행 시작특정 epoch 당 mAP 테이블 기록을 위한 학습 시작학습 중 발생한 warning: corrupt JPEG restored and saved 해결을 위해 기존 구글 드라이브로 데이터셋을 바로 업로드하는 방