epoch 50은 saewoo-twigim과 udon을 모두 잡아내는 반면, epoch 100은 잡아내지 못한다. recall , precision, mAP가 모두 epoch 100이 더 성능이 좋은데 왜 더 못잡는 것일까? 설마 obj_loss나 cls_loss 때문인걸까? best.pt를 선정하는 기준이 무엇일까? ---------------------------------------------------------------------------------------------------------------------------------- epoch 50보다 epoch 100이 더 inference가 못잡았던 이유에 대한 분석 테스트한 환경과 학습한 환경, wandb의 threshold환경이 달..

성능비교 약간의 overfitting이 있나 했으나 대체적으로 epoch 100의 성능이 가장 좋았다 공통 lr 0.002 batchsize 8 patience 5 epoch 17 epoch 50(early stop 23) epoch 100(early stop 29) Recall 0.8867 0.8901 0.8995 mAP(0.5) 0.9066 0.9096 0.9146 val / cls_loss 0.5063 0.4663 0.4175 Inference 비교 (왼 epoch 50, 오 epoch 100)

wandb 결과 -> inference를 YOLOv5 깃허브에서 돌려야 한다. 새 깃허브 클론 git clone https://github.com/ultralytics/yolov5.git -------------------------------------------------------------------------------------------------------- YOLOv5 깃허브 클론받고, YOLOv5x6으로 새 training 시작 python train.py --img 640 --batch 8 --epochs 20 --data kfood.yaml --weights yolov5x6.pt --name batch_8_0.01_epoch_20_v5x6 만약 patience(early stop :..

코사인 유사도 - 컴퓨터 비전보다는 자연어 처리? 추천시스템 쪽에 자주 쓰이는 방법인 것 같다. (Word2Vec과 비슷한 원리라고 함) - 코사인 유사도는 두 벡터 간의 코사인 각도를 이용하여 구할 수 있는 두 벡터의 유사도를 의미한다. 두 벡터의 방향이 완전히 동일한 경우에는 1의 값을 가지며, 90°의 각을 이루면 0, 180°로 반대의 방향을 가지면 -1의 값을 갖게 된다. 즉, 결국 코사인 유사도는 -1 이상 1 이하의 값을 가지며 값이 1에 가까울수록 유사도가 높다고 판단할 수 있다. 이를 직관적으로 이해하면 두 벡터가 가리키는 방향이 얼마나 유사한가를 의미한다. kfood 음식 추천에 적용 - 따라서 우리 프로젝트 같은 경우는 82가지의 한국 음식에 대한 신맛,짠맛,기름진맛,매운맛 colum..

원작자 inference 실행 코드 python detect.py --source 0 # webcam img.jpg # image vid.mp4 # video path/ # directory path/*.jpg # glob 'https://youtu.be/Zgi9g1ksQHc' # YouTube 'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream 우리 팀 inference 실행 코드 python team07_test.py 원작자의 detect.py vs 우리 팀의 detect_y5.py 우리 팀의 team_07.py 코드 import detect_y5 as detect import base64 import cv2 import numpy as np from..

우리 서비스에서 외국인에게 음식 사진을 받으면 YOLO로 detect(classification) 해서 무슨 한국음식인지 알려주고, 그것이 외국인의 입맛에 잘 맞을지 설문 및 간단한 추천을 해주는 서비스를 추가로 하려고 한다. 추천 알고리즘 음식마다 각각 선호도를 나타낼 수 있는 피쳐 (Contents Based 필터링) 음식에 대한 정보들 라벨링하는거 필요 사용자들이 어떤 선택을 했느냐에 따라 사용자 정보 기반으로 추천 - 불가능 (Collaborated Based 필터링) 음식들에 대한 점수 데이터 구축 필수 한 사람이 하는 것 - 그 사람이 객관적이라고 생각하여 진행 가능 어떠한 사람이 보더라도 일관적이 될 수 있게 항목을 정해야 함. 어떠한 특징들을 내세울 것인지.. 항목이 현재 4개 (신맛, 매..