YOLO Mini Project

Summary

ICT 인공지능 고급 시각 과정 교육 중 진행한 프로젝트
Fashion lookbook Dataset을 구축하고 이를 통해 옷 영역을 탐지할 수 있음
이를 통해 Classification Image Data 생성 등에 활용 가능

Team

• 팀원
  김수현, OOO
• R&R
  김수현(데이터 수집, 데이터 전처리, 테스트), OOO(데이터 수집, 데이터 전처리)

Dataset

• 출처
  Musinsa Brand Snap Image
• 구성
  train, test, valid 디렉토리로 구성, 각 디렉토리는 images, labels의 서브 디렉토리로 이루어져 있음
  또한, 대상 class 개수는 15개이며, Beanie, Buckethat, Cap, Glasses 등 의류 카테고리에 대한 class임, train image 243장, valid image 30장, test image 27장으로 구성됨

Modeling

Pretrained Model

• YOLO releases v6.0 YOLOv5s version

Hyperparameter

img_size = 416
batch_size = 32
epochs = 100
detect_rate = 0.5

Development

• Goal
  Object detection process 이해, Object detection Image dataset 구축 능력 향상

• Term
  2022.04.10 ~ 2022.04.12
  

• Environment
  Colab

  • Tesla T4 12GB
  • Python 3.7

• Step

  • 데이터 수집 2hr
  • 데이터 전처리 및 학습 데이터 생성 8hr
  • 모델 학습 0.5hr
  • 문제점 분석 및 해결방안 논의 0.5hr
  • Total = 11hr

• 모델 선정
  $time * w_0 + F1 score * w_1 + mAP * w_2$
  모델 성능 지표 계산식은 다음과 같으며 성능지표가 가장 높은 v6.0 - YOLOv5s 모델을 채택했다.

• 시행착오 및 문제점

  • Jeans class와 Pants class의 이미지 형태가 유사하고, 파란 계열의 청바지만 jeans으로 labeling 처리.
    때문에 일부 청바지 이미지에 대해서는 Jeans과 Pants의 Bounding Box가 겹쳐서 나타나게 됨

• 프로젝트 개선사항

  • 청바지의 이미지와 다른 재질의 바지 이미지를 더 수집하여 Jeans과 Pants의 인식률을 높일 필요성이 있음
  • 아우터리를 제외한 모든 상의를 Top class로 통일 했기 때문에 상의에 대해서 많은 class로 구분되지 않음. 따라서 더 많은 상의 데이터 수집 및 라벨링을 통해 상의 종류를 구분할 수 있도록 개선할 수 있음

Result