딥러닝모델 정확도를 높이기 위한 반복 학습시키기

이번 공장안전자동화시스템 개발 프로젝트 FacSafe (Factory + Safety) 를 진행하면서

화재, 낙상 감지를 인식하는 딥러닝 모델 학습 및 적용 부분을 담당하게 되었다.

생각보다 정확한 데이터셋을 찾는 것이 쉽지 않았고,

찾더라도 정확도를 높이기 위해 반복적으로 학습을 시켜주어야 했다

아래 내용은 딥러닝모델 학습 과정에서 겪었던 어려움을 정리한 내용이다.

 

---

roboflow 에서 낙상 관련 dataset 을 다운 받은 후 학습을 시키면

폴더 내에 runs\detect\train\weights 폴더가 생성되고 이 안에 "best.pt" 파일이 생성된다.

즉, 학습 후 가장 높은 퀄리티의 학습된 결과가 저장된 것.

인식 정확도를 높이기 위해서는 같은 모델을 여러번 학습시켜야 한다

한번 학습을 실행시킬때마다 같은 폴더 내에 train2, train3, train4 … 형식으로 폴더와 파일이 생성되며,

가중치 누적을 위해서는 이전에 학습시킨 결과물 best.pt 를 기준으로 다음 학습을 실행해야 한다.

 

 

 

그러나,, 

2회 실행

 

 

5회 실행

입만 나왔지만 굉장히 우울해하고 있는 나의 모습,,

알고보니 잘 인식이 안됐던 이유는 애초에 dataset에서 fall 데이터밖에 없는 데이터셋이기 때문이었다. 

잘못된 데이터로 반복학습을 시켰으니 의미가 없었던 것

 

이후에는 정상상태를 같이 학습할 수 있는 데이터로 다시 학습을 진행했다.