인프런 커뮤니티 질문&답변

우선 좋은 강의들으면서 많은 참고가되게 해주셔서 감사합니다.

이번에 프로젝트를 진행하는데 keras-retinanet을 사용하여 object detect 를 하고 있습니다.

검출 물체는 이미지의 Crack이나 Defect인데 잘 검출되고 있습니다. 

다만 이미지 트레이닝시 1개의 이미지에 2개 이상의 Defect나 Crack이 있을때 거기에 맞는 csv 파일을 생성 하여

트레이닝할 경우 손실률과 정확도가 떨어지는 증상이 있습니다.  1개의 이미지에 1개의 object들을 각각

트레이닝하여 최종 검증은 1개의 이미지에 여러개의 object들을 검출하는 것은 매우 잘 됩니다.

그러나 트레이닝시 1개의 이미지에 여러개의 object가 있는 시료를 사용할 경우에만 정확도가 좀 떨어지네요..

참고로 csv 파일은 포맷대로 동일한 이미지에 클래스, 좌표정보 정확하게 넣어줬습니다.

이게 keras-retinanet이 csv파일을 만들때 이미지 중심이 아닌 object 중심이라 그런것인지

제 추측은 이미지에서 사용자가 만들어준 좌표정보를 참고하여 트레이닝하면서 다른 부분의 비슷한 object 들로 인하여

regression loss가 떨어지는것이 원인으로 보이는데...

트레이닝시에는 무조건 1개의 이미지에서 1개의 object만 트레이닝을 해야 하게끔 설계가 되어 있는 것인가요?

다른 방법이 따로 있는 것인지 궁금합니다.

정리

- 1개의 이미지에 1개의 object만 나온 이미지를  각각 트레이닝 시 정확도및 손실률 모두 좋음 .

   이 모델로 1개의 이미지에 여러개의 object 잘 잡힘.

- 1개의 이미지에 2개 이상의 object가 있는 이미지를 각각 트레이닝 시 정확도및 손실률 좋지 않음.

   이 모델로 1개의 이미지에 여러개의 object 잘 잡히지 않음.(잡힌 object도 score률이 50% 언저리)