dataset 선택에 대하여 질문드립니다.

안녕하십니까, 

오, 취업에 성공하셨군요. 축하드립니다. 

0. 일반적으로 모델에 따라 차이가 있을 수는 있지만, 동일한 모델이라면 다양한 데이터 모델로 학습한 모델이 조금이라도 더 좋은 성능을 가질 확률이 높습니다. 이유는 추론을 수행하게 될 이미지들이 보통은 학습 데이터와 다른 경우가 있을 수 있기 때문입니다.  때문에 대부분의 Pretrained 모델이 Pascal VOC보다는 MS COCO로 학습 된 모델을 제공합니다. 

1. 학습 분류가 많을수록 FPS 에 의한 차이가 있나요?

=> 음, 이건 테스트 해보지는 않았지만, 의미있는 정도의 큰 차이는 없을 거라 생각됩니다. 

2. 학습 분류가 많을수록 특정 사물에 대한 detection 성능의 차이가 있을 수 있나요? - 예를 들어 person 데이터만 필요할 때 PASCAL VOC, COCO 또는 open image 를 사용할 때 성능 차이가 발생하나요?

=> PASCAL VOC 보다는 MS COCO, Open Image가 더 성능 차이가 약간이라도 좋게 나올 가능성이 높습니다. 

3. 다른 차이가 있을까요?

=> 성능이 안나오는 모델이 단순한 형태의 오브젝트가 있는 데이터 세트가 아니라 다양한 데이터 세트가 있는 모델로 학습하면 성능이 더 잘나온다는 의미와는 좀 차이가 있습니다.  이것 보다는 단순한 데이터 세트에서 좀 더 오버피팅이 된 성능 결과가 나오지만, 다양한 데이터 세트에서는 상대적으로 덜 오버피팅이 된 결과가 나오기 때문에 이러한 영향이 성능 향상에 더 도움이 될 수 있다는 의미로 생각되었으면 좋을 것 같습니다. 

감사합니다.