YOLO pesudo labeling 적용

[hursuk1]

세부 설명

0.69 map를 가지고 pesudo labeling 진행 confidence score 0.3이상의 값을 사용(23000여개 객체검출)

결과

pesudo labeling without mAP : 0.5553 pesudo labeling with mAP : 0.5984

결론

성능이 어느정도 보장된 mAP를 통해 pesudo labeling을 진행하면 학습데이터가 많아지기 때문에 성능의 향상시킬 수 있었다

참고

학습을 처음부터 새로 진행하지 않고 이전 학습의 best.pt의 값을 사용하여 학습을 진행하였고 학습시간이 조금 더 짧게 걸리는 효과를 볼 수 있었다.

[hursuk1]

성능이 좋아진 이유는 0.69의 라벨링에 비해 0.55의 라벨링보다 더 정답에 가까운 학습을 진행했기 때문에 많이 상승한 것으로 보여짐 다른 모델의 경우 이미 어느정도 성능이 보장되어 있다면 성능 향상이 크게 이뤄질 것으로 보이지 않는다