각 객체의 바운딩 박스 크기 (높이와 너비)의 분포를 나타냅니다. 보통 히스토그램 형태이거나 점 분포(scatter) 그래프입니다.
객체의 크기 다양성을 확인합니다. 너무 작은 혹은 너무 큰 객체들이 학습 성능에 영향을 줄 수 있으므로 사전 분석용입니다.
작은 객체만 많다면 모델이 큰 객체에 약할 수 있습니다. 크기가 균일하다면 모델이 일관된 크기의 객체에 잘 작동할 가능성이 높습니다.
각 객체의 바운딩 박스 크기 (높이와 너비)의 분포를 나타냅니다. 보통 히스토그램 형태이거나 점 분포(scatter) 그래프입니다.
객체의 크기 다양성을 확인합니다. 너무 작은 혹은 너무 큰 객체들이 학습 성능에 영향을 줄 수 있으므로 사전 분석용입니다.
작은 객체만 많다면 모델이 큰 객체에 약할 수 있습니다. 크기가 균일하다면 모델이 일관된 크기의 객체에 잘 작동할 가능성이 높습니다.