Object Detection 용으로 만들어진 크랙 데이터셋을 찾아보았다.
Kaggle에서 고화질의 데이터셋을 찾았다. Annotated Potholes Image Dataset
레이블 값이 xml 파일로 저장되어있어, 여기서 bounding box 정보만 따로 추출해줘야 하는 것인지 고민했다.
Roboflow에 파일 그대로 업로드 해봤는데, 알아서 Annotation을 적용해주었다.
이렇게 정교하게 라벨링 된 데이터 665장을 이용해, 이전과 마찬가지로 YOLOv8을 학습시킨다.
학습 결과가 매우 좋게 나옴을 확인했다.
테스트 데이터로 예측한 결과는 다음과 같다.
잘못 예측한 경우도 있지만, 대부분 잘 예측해냈다.
다음으로 우리의 데이터로 예측해봤다.
대부분 실패했다.
예상했던 결과이긴 하다.
이제 인원을 분배하여 크랙 관련 Annotated Dataset을 더 찾아볼 것이다.
더 많은 양의 데이터를 얻고 그것으로부터 높은 성능을 낼 수 있다면, Domain Adaptation을 사용할 계획이다.
수집한 데이터셋으로 학습된 모델이, 우리의 real-world 데이터에도 적응할 수 있도록 시도해봐야겠다.
