annotation 작업 방법에 관하여

안녕하십니까,

심도 있는 질문을 던져 주셨군요.

1. 일반적으로 화질이 선명한 대상을 훈련시켜주면, 화질이 선명하지 않은 데이터도 잘 검출해줍니다. 만일 화질이 선명한 데이터와 선명하지 않은 데이터 중 하나만 선택하라면 선명한 데이터를 선택하는게 좋습니다. 하지만 선명하지 않은 데이터 역시 충분히 학습해주는 것도 좋습니다. 예측할 데이터가 선명할 수도/그렇지 않을 수도 있다면, 선명하지 않은 데이터를 더 추가해 줘서, 학습 데이터 량을 늘리는게 좋습니다.

2. 이건 경우마다 다를것 같습니다. 만일 길거리를 걷는(가로수나, 간판등으로 얼굴이 일부 가릴수 있는 환경) 이미지에서 얼굴을 검출한다면  중요 얼굴 특징을 다 가리지 않는 경우라면(예를 들어, 귀, 머리 일부분, 눈/코/입 부분을 제외한 얼굴 일부분) 훈련 데이터에 포함 시켜주는게 좋습니다. 일반적으로 잘린 이미지를 포함 시킬 것인가 말것인가는 어떤 환경에서 오브젝트 검출을 할것인가를 고려하는 게 좋습니다. 하지만 과도하게 겹치는/또는 잘린 오브젝트(예를 들어 얼굴의 눈/코/입을 가리는)는 포함 시키지 않는게 좋습니다.

3. 정확하게 해주면 좋지만 조금 여유가 있어도 큰 문제는 없습니다. 일반적으로는 IOU 성능 지표 측면에서도 정확하게 적용해 주는게 좋습니다

4. 이 질문은 꽤 심도 있는 질문 이군요. 일반적으로는 사람이 적게 있는 데이터 세트를 훈련데이터로 적용합니다. 이를 이용하면 사람이 많이 있는 오브젝트라도 잘 검출할 수 있습니다.

그런데 사람이 많이 있는 이미지에서 일부 오브젝트만 annotation 했을 때의 효과는 저도 잘 모르겠습니다. 저도 테스트는 해보지 않아서 잘 모르겠지만, 검출 성능이 떨어지지 않을까 생각됩니다. 왜냐하면 CNN 자체는 물체의 강한 형상/특징을 기반으로 이미지 분류를 하는데, 오브젝트 검출 시 Anchor에서 오브젝트라고 찾은 개체가 어떤 경우는 특정 분류값으로 학습이 되고, Anchor에서 찾은 동일한 다른 개체는 특정 분류값으로 학습되지 않는다면, Anchor의 학습 성능이 떨어질 것으로 추정됩니다.

감사합니다.

어찌 보면 강의와 큰 상관이 없는 질문인데 관심 가져주시고 시간 내서 답변 주셔서 감사합니다.

큰 도움이 되었습니다.