YOLO_V3_Ad_Training - 8BitsCoding/RobotMentor GitHub Wiki

• 참고사이트
• 참고사이트2

---

참고사이트의 How to improve object detection를 참조하자.

.cfg의 마지막줄의 [yolo]의 random=1로 설정

[yolo]
mask = 0,1,2
anchors = 10,13,  16,30,  33,23,  30,61,  62,45,  59,119,  116,90,  156,198,  373,326
classes=80
num=9
jitter=.3
ignore_thresh = .5
truth_thresh = 1
random=1        # 여기

.cfg의 height, width를 32의 배수로 변경(기본은 416일 것)

[net]
# Testing
# batch=1
# subdivisions=1
# Training
batch=64
subdivisions=8
width=416       # 여기
height=416      # 여기
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1

데이터 셋에 라벨이 없는지 다시 확인한다.

학습 데이터 중 최소한 하나라도 비슷한 이미지를 넣는다.

학습의 횟수를 classes * 2000 이상으로 한다.

만약 인식하지 않기를 원하는 데이터가 있는경우 라벨을 붙이지 않고 넣는다.

해상도를 416x416으로 변경해도 인식을 원하는 오브젝트의 크기가 16x16미만이라면,layers = -1, 11으로 stride=4으로 설정한다.

[upsample]
stride=2            # 여기

[route]
layers = -1, 36     # 여기

아래의 .cfg 파일을 쓰는 것도 나쁜선택은 아니다.

• Full-model : 5 yolo layers
• Tiny-model : 3 yolo layers
• Spatial-Full-Model : 3 yolo layers

인식을 원하는 오브젝트의 좌/우 등을 구분하길 원한다면 flip=0을 추가하자

[net]
# Testing
batch=1
subdivisions=1
# Training
# batch=64
# subdivisions=16
width=416
height=416
channels=3
momentum=0.9
decay=0.0005
angle=0
saturation = 1.5
exposure = 1.5
hue=.1
flip=0                  # 여기

자세한 사항은 역시 홈페이지에서 확인!