YOLOv5 학습 중 보이는 것
초반
정보
- Epoch: 현재 에포크 번호 = 전체 데이터셋에 대해 한 번 학습하는 사이클
- GPU_mem: 현재 GPU 메모리 사용량.
학습하는 동안 모델과 데이터가 GPU 메모리에 저장되므로, 학습이 진행되면서 얼마나 많은 GPU 메모리가 사용되고 있는지 나타냄
- Instances: 현재 에포크에서 처리한 샘플 수.
- Size: 입력 이미지의 크기. YOLOv5는 이미지 크기를 자동으로 조정하여 사용하기 때문에 이 값은 에포크마다 다를 수 있음
손실 값 (작아질수록 모델 예측성능 good)
- box_loss: 바운딩 박스 예측에 대한 손실(loss). 예측한 물체 위치 바운딩 박스와 실제 바운딩 박스의 차이
- obj_loss: 물체 존재 여부에 대한 손실.
예측한 물체 존재 확률- 실제 물체 존재 여부 간 차이
- cls_loss: 클래스 예측에 대한 손실. 그리드 셀에 포함된 물체의 예측한 클래스, 실제 클래스의 차이
유진 학습
서영 학습
관심영역 설정 후 테스트
'프로젝트 기록 > 딥러닝 모델 개발_공학설계캡스톤디자인(스마트카ICT)' 카테고리의 다른 글
| [Google Colab] 런타임 연결 끊김 방지, 세션 유지 (0) | 2023.05.19 |
|---|---|
| [YOLOv5] 학습 파일로 동영상 객체탐지 테스트 (0) | 2023.05.18 |
| 라벨링 과정 기록 (0) | 2023.05.17 |
| [YOLOv5] 학습된 모델파일(best.pt) 파이참에서 불러와서 관심영역 객체 detect (0) | 2023.05.16 |
| [YOLOv5] 창문 밖 머리, 손 탐지(관심영역 밖 라벨링, 그냥 라벨링)/ 코랩 학습파일 내보내기 (1) | 2023.05.16 |
