1. 실시간 성능 나오는 detection 모델은 yolo가 짱인지?
2. 학습시킬 데이터 해상도가 2000x1800 이럴때 학습 이미지 크기로 2000을 넣는게 제일 좋은지? (일단 해상도에 맞추면 학습 개오래걸려서 1024로 줄임..)
3. 데이터셋 구축하기 힘들어서 coco랑 이것저것 배경이미지에 검출 대상 합성해서 데이터셋 만들어봤는데 괜찮은 방법인지?
질문하고 싶은 건 많은데 수준이 안돼서 뭐라 물어봐야 할지도 몰겠슴..
개떡같은 질문에 답해줘서 미리 고맙습니다
- dc official App
1. 욜로도 오래 해쳐먹긴 했는데 아직도 욜로가 답인거 같긴함 2. 이미지 사이즈가 크면 데이터가 많으니까 좋지, 근데 실제로 서비스에 쓰는 컴퓨터가 감당 가능한지? 1024라고 해도 감당 못할텐데 사양 확인은 했는지? 오브젝트 검출에 쓰이는 로봇이든 장치든 각각 GPU 한대씩 박을수 있는 거면 1024로 해도 상관 없겠다. 그 정도 사양이 아니라면 SD사이즈로 줄이는것도 고려해야... 3. Garbage in, Garbage out 다만 그렇게 만든 데이터 셋이 좋은 성능이 나온다면 제대로 데이터 처리 한거임
헉 감사감사 2. Gpu는 무조건 써용. 근데 작게 리사이즈 하니까 레이블링 객체도 작아져서 문제가 있는거 같아서.. 3. 아 근데 궁금한게 객체검출이 이미지 한장으로 보면 전체중에 일부분을 찾는거잖아용? 근데 그럼 탐지대상만큼 배경도 중요한 요소인지..? 또또 질문인데 이미지 증강 처리를 잘 하는게 모델 성능 올리는데 효과적인지? + 깡 데이터 수가 많은게 최고인지? - dc App
2. 오브젝트가 어떤 오브젝트 인지 모르겠는데 사람이 확인할수 있으면 기계도 확인할수 있을거임 다양한 해상도의 이미지로 테스트 해보면서 성능-속도 트레이드 오프는 너가 찾아야 AI 엔지니어인것 3. (X) 객체를 찾는 문제 (O) 객체와 배경을 구분하는 문제 + 구분한 객체가 대상 객체인지 확인하는 문제
ㅇㅎ 다양하게 진행해 보겠습니다 진짜루 감사용 - dc App