학부 인턴 3주차 정리

1주차 때는 그냥 교수님이랑 면담하고 관련 분야를 찾아보았고,

2주차때는 교수님이 하고싶은 도메인 확실히 정하고, 데이터셋도 찾아보라고 하셔서 열심히 찾아보았다. 

 

결국 3주차가 되어서야 주제를 정확하게 정하고, 데이터셋도 정했다. 

 

3주차 주말에 Yolov5s 모델로 FIreman-UAV-RGBT 데이터셋을 사용했다. 

UAV에서도 동작할 수 있게 일단 가벼운 모델로 해보기로 했다. 

https://zenodo.org/records/13732947

FireMan-UAV-RGBT

 

참고로 Fire/No-Fire 두개로 나눠진 Binary 데이터셋이랑, 다중 클래스로 이루어진 Multiple 데이터셋 두 가지로 나뉜다. 

나는 나중에 사람까지 확장하고 싶어서 일단 다중 클래스 데이터셋을 선택했다. 

 

일단 한번 테스트겸 돌려보는거라 집에서 노트북으로 해야했기 때문에 저 많은 데이터셋을 다 사용할 수는 없었고, 랜덤으로 2000개만 (train) 추출해서 학습을 돌렸다. 

 

노트북이니까 batch_size는 16, epochs=30으로 돌리기 시작했다. 

참고로 이거 25까지 돌리는데 2박 3일 걸렸다... 

 

 

이게 15 epochs 정도 돌렸을 때 그래프다. 

loss 만보면 나쁘지 않은데, 옆에 다른 수치는 완전 개판이다. 

학습이 덜 된건가 하고 더 학습을 진행했었다. 

 

이게 25 epochs 까지 돌렸을 때 그래프다. 

오른쪽 그래프를 보면 mAP, Precision이 올라가는 것 같이 보이긴 하지만 그래도 너무나 낮은 수치를 보이고 있다. 

 

 

15 epochs 돌리고 테스트 이미지로 추론까지 해봤는데 아래와 같이 나왔다.

사실 lake나 fire 이런 것도 detect 가 되어야 되는데 진짜 큰 연기밖에 탐지가 안된다.

심지어 라벨도 틀리게 나왔다. (이건 내가 라벨 정리한게 잘못된 듯 함... YOLO 형태로 바꾸는데 급하게 바꾸다보니 ... ㅠㅠ) 

 

 

 

그리고 25 epochs 까지 된 후 다시 한번 같은 이미지로 추론을 해보았다. 

기존에 있던 바운딩 박스 외에 새로운 박스들이 몇개 추가로 생긴 것을 볼 수 있다. 

같은 박스에서의 confidence score도 오른 모습을 볼 수 있고, 불 같은 작은 객체도 감지하기 시작했다. 

물론 아직 오탐지 되는 부분도 있긴 하지만 이 부분은 학습이 진행되면서 개선되지 않을까 싶다. 

 

이렇게 테스트 실험까지만 하고 교수님과 면담을 하러 갔다. 

교수님이 이렇게 cpu로 학습시키면 학습이 거의 안될거라고 연구실 컴이나 서버 대여해서 해보라고 하셨다. 

연구실에 남는 컴퓨터는 사양이 그렇게 좋지 않으니, 서버 대여를 알아보는게 좋을 것 같다고 하시면서 빨리 대여할 수 있도록 도와주셨다. 

교수님이 학과 사무실에 연락을 해주신 덕분에 매우 빠르게 서버 대여 승인을 받을 수 있었다. 

 

4주차에는 해당 데이터셋을 모두 사용하여 GPU 서버에서 yolov5s 기본 모델 학습을 진행할 예정이다. 

그 후 학습 결과를 보고 문제점을 보완해가면서 실험을 진행할 예정이다!