Car Damage Detection

 

Subject: Object detection
1차: Car Damage Detection with Yolov5 and 8
Period: a week(24/11/07~24/11/13)

 

Goal: Detect position and sort of car damage

Dataset: car-damage_2 in Roboflow

Model: YOLOv5, YOLOv8

 

이전에 웹개발을 했어서 그런지 반드시 어떤식으로 사람들이 접근할 수 있어야 한다는 생각을 했었다. 그래서 들어갈때부터 스트림릿으로 틀을 만들었고 그게 다른 팀들과 차이점을 주었다. 지금은 3차 플젝 진행중인데 웹구현이 일반적이지 않다는 것을 그때는 몰랐지... 여튼 모델과 기능은 간단하지만 전 주기를 경험해 보아서 개인적으로 만족한다. 총 일주일 기간을 3-2-2로 나누어 전처리-학습및결과도출-분석으로 진행했다.

모델에 변화를 준 것도 아니고 기능이 복잡한 것도 아닌데 생각보다 시간을 많이 쓴 이유는 전처리 때문이었다. 데이터셋을 네 개 거쳐갔는데 2개에서 4개까지 클래스 수가 달랐고 중복된 박스처리 또한 있어서 기준을 정하고 정제하는데 시간을 좀 썼다. 어노테이션의 경우 제이슨 파일 수정만으로도 된다고 하던데 안되어서 직접 전체 이미지에 루프문 돌려 원하지 않는 클래스들은 삭제했다.

소카에서 진행했던 동일한 프로젝트에서도 성능이 일정이상 나오지 않아 처음부터 큰 기대는 없이 진행했었는데 적은 수의 학습데이터와 에포크임에도 멀티클래스 감지를 하는 것을 보여 그것만으로 만족한다.

여기서의 전주기는 지금 지식 기준으로 아래와 같다.
기획 -> 데이터 선택 -> 데이터 전처리 -> [모델 선택 -> train+val 및 결과 분석] -> 적절하면 test로 마무리 -> 웹에 이식
[]구간은 모델을 다른걸로 재선정해서 정확도나 평가지표값을 높이는데 쓴다.

여기에 세그니피케이션을 추가해 사이즈 감지하고, 데이터셋 불균형을 해소하기 위해 학습데이터 수를 추가해 밸런스를 맞추고, 모델을 좀 조정해 성능을 높이고, 웹상에서 조금 더 있어보이게 상세설명까지 더하면 한단계 더 업그레이드 되지 않을까 생각한다.