독일에서 만든 세그먼테이션 기반의 데이터 셋 자갈 길이 많은 독일의 도로를 학습 시켰기에 한국 도로에서의 감지율이 낮은 편임
실제 구현 할때는 gtFine_trainvaltest 데이터 셋 (11giga byte)를 받아서 학습을 진행하였는데 이보다 더 큰 데이터 셋을 사용한다면 좋을 수 있음
Yolov8m-seg를 통한 학습을 진행하였으나 제공된 데이터 셋은 json이였기에 txt로 변환하는 과정이 필요하였고, 이를 convert 을 통하여 txt파일로 변환하였음, 그 후 A와 data을 통하여 학습을 진행하였음
전체적으로 사람에 대한 데이터 셋이 적기에 학습이 부진하였음
그리고 길거리 사진으로 학습하였기에 서 있는 사람에 대해서만 학습을 진행하여 다른 자세에 대해서 학습률이 낮았음
추후 사용시 사람에 대해서는 다른 모델을 사용하여 합치는 것을 추천함
데이터 셋 주소
[https://www.cityscapes-dataset.com/]
Label
| id | label_name | id | label_name | id | label_name |
|---|---|---|---|---|---|
| 0 | road | 12 | rail track | 24 | terrain |
| 1 | sidewalk | 13 | building | 25 | sky |
| 2 | person | 14 | wall | 26 | rider |
| 3 | car | 15 | fence | 27 | truck |
| 4 | unlabeled | 16 | guard rail | 28 | bus |
| 5 | ego vehicle | 17 | bridge | 29 | caravan |
| 6 | rectification border | 18 | tunnel | 30 | trailer |
| 7 | out of roi | 19 | pole | 31 | train |
| 8 | static | 20 | polegroup | 32 | motorcycle |
| 9 | dynamic | 21 | traffic light | 33 | bicycle |
| 10 | ground | 22 | traffic sign | 34 | license plate |
| 11 | parking | 23 | vegetation |
학습 성능
BOX_curve
BoxF1_curve
BoxP_curve
BoxPR_curve
BOX_R_curve
confusion_matrix
confusion_matrix_nomalized
confusion_matrix
labels
Mask_curve
MaskF1_curve
MaskP_curve
MaskPR_curve
MaskR_curve
Results
train_batch
val_batch
