## Object Detection- 객체 인식을 위한 적용 모델yolov3
- 데이터 증강(Data Augmentation) 적용 방법DefaultAug
iaa.Sharpen((0.0, 0.1)),
iaa.Affine(rotate=(-0, 0), translate_percent=(-0.1, 0.1), scale=(1.0, 2.0)),
iaa.AddToBrightness((-40, 60)),
iaa.AddToHue((-10, 10))
*구분된 신호등 좌/우에 영향이 가는 이유로 flip은 설정하지 않았습니다.
- 객체 인식을 위한 추가적인 알고리즘 소개-냉무-
- 모델 학습을 위한 하이퍼파라미터 설정 및 선정 이유batch : 64 / learning_rate : StepLR / optimizer : SGD
이전 object detection에서 신호등,표지판 인식 기반으로 위와 같이 하이퍼 파라미터를 설정하였습니다.
- 학습 과정 및 결과
epoch 4650까지 학습을 진행했지만 사진 기록을 남기지 못해 과거에 학습했던 데이터(epoch 1350) 사진으로 대체 했습니다. 하기 그래프와 비슷한 추세입니다.
결과
하기 결과 사진은 자이카가 아닌, Labtop에서 나온 결과로 첫번째 숫자는 클래스 넘버입니다. 좌측 표지판이 두 종류가 있는데 검정 표지판은 마스킹 처리를 통해 detection에서 배제했습니다. 자이카에서는 PIL라이브러리를 통해 left,right,crosswalk 등 이름을 시각화했습니다만, 아쉽게도 사진으로 못 남겼습니다.
'프로그래머스' 카테고리의 다른 글
| Object Detection 자율주행 프로젝트 (0) | 2023.08.31 |
|---|---|
| 참고해주세요~ (0) | 2023.02.24 |
| 차선인식 (0) | 2023.02.04 |
| team2 usb cam으로부터 받아와서 출력 ( launch 파일통해 컨트롤 노드까지 실행) (0) | 2023.01.25 |
| cnn (0) | 2023.01.10 |