학습되는것 시각화 가능한가요?

안녕하세요 강의 잘듣고 있습니다.

질문이 3가지 있습니다

첫째

지금 ultralytics yolo를 이용해서 학습을 진행하고 있습니다. 최종 산출물중에 학습과정중의 상황을 바운딩 박스처리하여

보여주는것이 있던데 이것들을 더 늘릴수있나요? 실제로 어떻게 G.T가 쳐저있는지등을 알고싶어서요

즉 어떤 물체에다가 bounding box 처리했는지 레이블링이 잘 되어있는것인 등을 확인 할 수있는 방법이 있을까요?

둘째

두개의 데이터셋이 있을때(다른 클래스들로 레이블링 처리됨) 그 두개의 데이터셋을 합쳐서 학습을 돌리면 성능이 나빠지나요?

예를 들어 하나의 데이터셋은 강아지와 고양이에 대한 레이블링 처리가 되어있고 다른 하나는 사람에 대해서 레이블링 처리되어있을때 새롭게 레이블링 하지않고 강아지 고양이 사람에 대한 오브젝트 디텍션 처리를 위해 하나의 데이터셋으로 합친다음에 돌리는겁니다.

아마 이 경우 강아지 고양이 데이터셋에는 사람이 레이블링 안되어있고 사람쪽엔 고양이 강아지 물체가 있더라도 레이블링이 안되어 있어 성능이 나빠질것 같은데 맞나요? 그럼 강아지 고양이 사람 모두를 학습시키고 싶을떄는 처음부터 다시 레이블링을 하는 방법밖에 없는지 궁금합니다.

셋째

보통의 딥러닝 엔지니어들은 주로 mmdetection이나 ultralytics yolo와 같은 프레임워크를 가져다 쓰고 하이퍼파라미터 튜닝을 하는것이 주 임무 인가요? 그럼 현재 현업에서 사용되는 제일 최신의 툴은 무엇인가요? 그리고 모델의 성능이 잘 안나올때 제일 먼저 만저봐야하는 하이퍼파라미터는 무엇인지 궁금합니다.

그리고 마지막으로 컴퓨터 비전관련한 책중에 이론 설명이 잘 되어있는 책(전통비전이 아닌 딥러닝위주의) 추천해주실께 혹시 있나요? 아니면 사이트도 괜찮습니다.

질문이 조금 많았습니다. 이상입니다

감사합니다

안녕하십니까

첫째 질문,

=> 질문을 정확하게 이해하지 못했습니다만, train.py에 뭔가 수정을 하고 싶으시다면 지금 설정에서는 소스코드를 뜯어고쳐야 합니다. train.py의 인자 변경 만으로는 학습과정의 바운딩 박스를 보여주는 부분을 원하는 대로 변경할 수는 없습니다.

둘째 질문,

=> 성능이 많이 나빠질지, 아니면 적게 나빠질지는 직접 학습을 시켜봐야 압니다. 다만 성능이 떨어질수는 있습니다. object detection은 label 되지 않는 object들은 모두 배경(background)으로 처리합니다. 그러니까 어떤 경우에는 사람이 배경으로, 또는 고양이 강아지가 배경으로 됩니다. 아무래도 학습 오브젝트도 줄고, 배경으로 인식할 수 있기 때문에 성능은 떨어지지만 어느정도 수준으로 떨어질지는 학습을 시켜봐야 합니다.

온전한 성능을 위해서는 처음부터 다시 레이블링을 권장 드립니다.

셋째 질문

=> Object Detection 을 다루는 엔지니어는 ultralytics yolo나 mmdetection 사용도 검토해 보지만, 보통은 SOTA, 그러니까 최신의 높은 성능을 가진 모델의 구현 소스를 분석해서 자신만의 것으로 만드는 작업을 많이 합니다. 그럼에도 불구하고 ultralytics yolo나 mmdetection을 많이들 활용합니다.

회사별로 업무별로 특색이 있고, 워낙 이분야가 빨리 변화되어서 제일 최신의 툴은 저도 잘 모르겠습니다. 마찬가지 이유로 제일 먼저 만져봐야하는 하이퍼 파라미터 역시 프레임워크나 모델의 특성에 따라서 다르기 때문에 뭘 꼭집어서 말씀드릴 수 없습니다. 굳이 애기하자면 하이퍼 파라미터 보다는 데이터량을 늘리는게 더 좋습니다.

책 권장은 어떤 것을 드려야 할지 확신이 안서지만, 비전시스템을 위한 딥러닝 이라는 책이 평가가 좋군요.

https://m.hanbit.co.kr/store/books/book_view.html?p_code=B6566099029

인프런 커뮤니티 질문&답변