신호등 검출 AI 대회 (3) - 제출 점수 분석

[정다훈]

<목표점수> 0.6이상

<1회차 점수>  0.4584

1회차 제출 점수

<분석>

훈련그래프

훈련데이터에서 사용된 데이터 갯수 시각화

1분기(0epoch ~ 15epoch) val

2분기(15epoch ~ 30epoch) val

test 97장 레이블링 후 val (낮90장, 밤7장)

test 486장 (밤 데이터 400장 정도추가)

https://cafe.daum.net/dddowny/c4Du/6

신호등 검출 AI대회 - (5) Data Imbalancing

2회차 훈련 <Data Imbalancing 코드 도입>

yolov10x model, epoch 10으로 훈련데이터 4분할 나눠서 총 40epoch, batch 4 , 총걸린시간 4h

1분기 validation

2분기 validation

3분기 validation

4분기 validation

test 486장 결과

# 1회차 , 2회차 비교분석 (test 영상 737장 레이블링 한걸로 비교) 

리더보드 제출 1회차 weight test

리더보드 제출 2회차 weight test

지표를 분석했을 때(mAP50을 기준으로) 데이터가 많았던 객체의 성능은 올랐거나 이전과 비슷한 모습을 보였고, 데이터가 적었던 보행자 신호와 Bus 신호는 적게는 1.2배에서 많게는 2배가까이 추론을 잘하는것으로 보여진다. --> 지표상으로 보아 data불균형 문제가 해결된것으로 보임

<3회차 훈련>

baseline에서 imgsize를 1280으로 해놓았다. 나는 이전에 훈련할때 gpu메모리가 작아서 연산량을 줄이고자 640으로 하고 훈련을 진행했는데 테스트 결과가 좋아서 3회차 리더보드에 올릴 생각이다.

리더보드 제출 2회차 weight test

리더보드 4회차 weight