[Intel] 5주차 회고록

Intel AI for Future workforce 5주차 회고록

Train YoloV5 with custom dataset1

나만의 데이터셋(옷 종류 구분)으로 모델을 학습했다. 진행한 순서는 아래와 같다.

Training Flow

• Get Dataset
  1. 무신사 스냅샷 이미지 크롤링(저번주에는 하이버에서 진열 상품을 기준으로 학습했으나, 그 결과가 미미하여 사람이 입고 있는 사진을 수집하기 위해 무신사에서 크롤링을 진행)
  2. 이미지 데이터 전처리(옷의 분류가 애매한 사진들 ex. 머리카락에 가려진 사진, 측면 사진 삭제)
  3. LabelImg로 이미지 annotation (Roboflow로 저번주에 Data Augmentation까지 적용시켜 보았기에 LabelImg로 시도)을 진행하되, 상의 종류에만 국한되지 않고 바지 종류까지 어노테이션을 진행했다.
  
• Train
  1. epochs수를 저번주에 비해 감소시켰다. (200 ➡️ 150)
  2. 초기 가중치 파일을 변경했다. (yolov5s ➡️ yolov5m)
  

Results

• 아예 검출도 안되던 저번주와는 달리, 이미지에 대한 검출은 잘 된 편이다.

Problems

• 니트의 경우 조끼 형식의 니트에 대한 이미지가 부족했던 탓인지, 검출을 잘 하지 못하는 편이었다.
• 이미지 어노테이션을 하던 당시, 모자가 달린 아노락은 후드티로 구분해야 하나, 아노락으로 구분해야 하나 갈팡질팡 하면서 하다 보니 아노락을 후드티라고 검출하거나, 간혹 후드티를 가지고 아노락이라고 검출하는 경우가 있었다.
• 사진에 대한 검출은 잘 해내는 반면, 캠을 이용한 검출에서는 형편없는 성능을 보였다. 교수님이 나눠주신 캠 화질이 낮았던 탓일까..? 추가적인 조사가 필요할 것 같다.

Train YoloV5 with custom dataset2

공사 현장 안전모 인식 Yolo Model Training을 혼자서 진행해보았다. Training flow는 아래와 같다.

[공사 현장 안전모 인식 Yolo Model Training Flow]

• 주제 선정 의의
  안전 관리의 일원으로, 인부들의 안전 장비 착용 여부를 판별하는 것 또한 필수이다. 하지만 소수의 안전 관리자로 모든 인력의 안전을 관리하기란 어려운 법이다. 따라서 안전모 착용 여부를 인식하는 모델을 만들어 드론에 장착된 카메라로 인부들을 인식하며 안전모를 착용하지 않은 인원들에게 위험성을 경고하는 알림을 주면, 안전 관리자들의 일을 일부 도와줄 수 있을 것 같아 주제로 선정하게 되었다.
• 데이터셋 준비
  1. Pixabay, 구글, 네이버에서 사진들을 수집
  2. 이미지 데이터 전처리(연관성이 떨어지거나, 너무 저화질인 사진들 위주로 삭제)
  3. Image Annotating
  4. Training

해당 실습같은 경우에는 안전모와 비슷한 색상을 가진 부분들을 착용한 것으로 인식하는 경우가 있었고, 마찬가지로 캠으로 인식에 대한 부분에서는 좋지 않은 성능을 보였다. 나름대로의 원인 분석을 해보자면 아래와 같다.

• 1. 이미지 어노테이션을 진행하면서, 안전모를 착용한 인부분들의 사진이 착용하지 않은 인부분들의 사진보다 월등하게 많아 클래스 간 불균형한 분포를 이뤘다.
• 2. 지나치게 축소되어 있는 사진들까지 어노테이션을 진행하다 보니 학습에 방해가 되지 않았을까 생각한다.
• 3. 이미지의 개수가 적었고, OOM오류로 인해서 yolov5l 모델을 학습할 수 없었다..

OOM을 해결할 수 있는 방법이 있다면 재학습하여 이 게시글도 수정해야겠다.

마무리

5주차는 Yolo모델을 커스텀 데이터로 학습시키는 과정이 너무 길었기에 뭔가 많은 것들을 습득하진 못했던 것 같다. 사실..은... 뭔가 요즘들어 좀 붕 뜨는 느낌이 든다. 3, 4주차의 경우에는 확실하게 이해가 되는것들도 많았지만 5주차의 경우에는 어려운 부분도 많았고, 매번 배우기만 하고 뭔가 직접적으로 해보는 것들이 없다 보니까 괜스레 불안한 마음마저 생긴다. 만간 사이드 프로젝트를 구상해서 학습과 병행하거나 대회를 병행하면서 경험을 쌓아봐야겠다.