yolov5

한이음 공모전을 위해 차량 및 장애물 인식을 위해 yolov5 custom train을 진행했다.사용한 차량 DATASEThttps://www.kaggle.com/rifat963/dhakaai-dhaka-based-traffic-detection-dataset

이전에 했던 커스텀 학습에서 문제점을 보완하기 위해, 차량데이터를 새로 찾아보았다.자동차 데이터셋 Linkhttp://ai.stanford.edu/~jkrause/cars/car_dataset.html해당 데이터셋에는 16185장의 차량데이터를 가지고 있고,

보행자 데이터셋 Linkhttps://data.vision.ee.ethz.ch/cvl/aess/dataset/위 데이터의 사진들을 보니 이미지 수는 작지만 instance수가 많아 해당 데이터들을 사용하기로 했다. 내가 사용한 이미지는 총 2601장이다. 하지

epoch 125/ batch-size 2/ input-size 640/ RTX 3080train set: 17322val set: 4415차량 데이터: 16185장보행자 데이터: 2601장장애물 데이터: 3552장instancesinput image with mosa

link: https://aihub.or.kr/aihub-data/autonomous/about다음과 같이 공공데이터 사이트를 찾을 수 있었다. 여기에는 내가 원하는 학습데이터인 도로주행영상 데이터 셋을 쉽게 다운 받을 수 있었다.xml, json 등 다양한

기계공학과 연구실과 협업 연구과제를 하면서 IR 이미지에 대한 객체인식을 위해 FLIR데이터셋 커스텀학습이 필요하게 되었다.FLIR데이터셋은 공개된 데이터로 쉽게 구할 수 있었다.해당 데이터셋은 json 형식이며 coco 포맷이었다.coco는 xmin ymin widt