YOLO 가중치 모델

YOLO v5s 를 기반으로 차량 키트 데이터셋을 학습시킨 가중치 모델이다.

• version 1

  데이터셋 v1을 image size = 640, batch = 3, epoch = 60으로 학습시킨 모델이다

  image size 640으로 객체 인식 모듈을 실행할 경우 높은 정확도를 보여주지만

  초당 프레임 수를 높이기 위해 image size 64 - 128으로 객체 인식 모듈을 실행할 경우

  인식 대상보다 훨씬 큰 범위를 인식한다. 또한 데이터셋 v1이 차량 키트의 손잡이를 포함하여

  라벨링 작업이 진행되었기 때문에 높이 인식이 불안정하다.

• version 2

  데이터셋 v1를 image size = 64, batch = 3, epoch = 30으로 학습시킨 모델이다

  image size 64로 객체 인식 모듈을 실행할 경우 초당 3.5프레임 정도의 속도로 객체 인식이

  동작한다. 하지만 데이터셋이 차량 키트의 손잡이를 포함하여 라벨링 되어있고 대체적으로

  내려다 보는 시점의 이미지들이라 정후면 및 정측면에서의 인식이 상당히 불안정하다.

• version 3

  데이터셋 v2를 image size = 64, batch = 3, epoch = 30으로 학습시킨 모델이다

  데이터셋 v2는 대부분 정후면 및 정측면에서의 이미지들로 구성되어 있고 차량키트의 손잡이를

  라벨링되어있어 version 2에서의 단점이 상당히 개선되었다. 하지만 bound box의 크기가

  상당히 불안정한 모습을 보인다.

• version 4

  데이터셋 v3를 image size = 64, batch = 3, epoch = 30으로 학습시킨 모델이다

  image size 64로 객체 인식 모듈을 실행할 경우 초당 평균 약 3.5프레임 정도의 속도로

  객체를 인식하며 version 3보다는 인식 정확도가 뛰어나지만 bound box의 크기가 다소

  불안정하다.

• version 5

  데이터셋 v3를 image size = 128, batch = 3, epoch = 60으로 학습시킨 모델이다

  image size 128으로 객체 인식 모듈을 실행할 경우 초당 평균 약 3프레임 정도의 속도로

  version 4에 비해 매우 정확한 인식률을 보여준다. 위의 5가지 버전의 모델 중 가장 훌륭한

  퍼포먼스를 보여주었다.