Open 17011775 opened 5 years ago
모델 성능 향상을 위해 이것저것 해봐도 정확도 향상에 한계가 있는것 같아 에러 데이터를 분석.총 679개의 validation data중 error난 217개를 분석해보니 Cardboard error : paper로 예측 = 20 glass로 예측 = 9 metal로 예측 = 7 plastic로 예측 = 3
Glass error : plastic로 예측 = 24 metal로 예측 = 18 paper로 예측 = 15 cardboard로 예측 = 4
Metal error : paper로 예측 = 13 glass로 예측 = 12 plastic으로 예측 = 6 cardboard로 예측 = 5
Paper error : cardboard로 예측 = 5 metal로 예측 = 5 glass로 예측 = 3 plastic으로 예측 = 1
Plastic error : glass로 예측 = 22 paper로 예측 = 20 metal로 예측 = 17 cardboard로 예측 = 5
C G M Pa Pl
TP [ 95 112 80 118 60] FP [20, 45, 46, 68, 35] FN [39, 61, 36, 14, 64] TN [525, 461, 517, 479, 520]
validation data셋에서 배경이 검은색인 사진이 glass에서 3장, metal에서 1장 있었는데 전부 error 데이터에 포함되어 있음 --> training data랑 validation data중 검은배경인 사진 삭제할 예정
바다배경에 물따르는 상황
컵에 총알같은게 박혀있음
배경이 검은부분 흰부분 나누어져있음
아래에 객체가 거울에 비치는듯한 상이 있음
객체가 없음
비닐류 데이터셋은 모으기 힘들어서 안만들기로 했는데 plastic, paper 등 여기저기 들어가있음
위 사진들과 같이 부적절한 데이터들이 꽤 많아서 전처리를 통해 데이터셋을 다시 수정해야 함
한국 재활용 품목 기준을 보면 종이류에 종이박스가 포함되어 있음 Cardboard에서 가장 많이 에러난게 paper로 착각한거고 paper에서도 cardboard로 착각한 에러가 가장 많아서 paper 데이터셋과 cardboard 데이터셋을 합칠까 고민중
모델 성능 향상을 위해 이것저것 해봐도 정확도 향상에 한계가 있는것 같아 에러 데이터를 분석.총 679개의 validation data중 error난 217개를 분석해보니 Cardboard error : paper로 예측 = 20
glass로 예측 = 9 metal로 예측 = 7 plastic로 예측 = 3
Glass error : plastic로 예측 = 24 metal로 예측 = 18 paper로 예측 = 15 cardboard로 예측 = 4
Metal error : paper로 예측 = 13 glass로 예측 = 12 plastic으로 예측 = 6 cardboard로 예측 = 5
Paper error : cardboard로 예측 = 5
metal로 예측 = 5 glass로 예측 = 3 plastic으로 예측 = 1
Plastic error : glass로 예측 = 22 paper로 예측 = 20 metal로 예측 = 17 cardboard로 예측 = 5
TP [ 95 112 80 118 60] FP [20, 45, 46, 68, 35] FN [39, 61, 36, 14, 64] TN [525, 461, 517, 479, 520]
validation data셋에서 배경이 검은색인 사진이 glass에서 3장, metal에서 1장 있었는데 전부 error 데이터에 포함되어 있음 --> training data랑 validation data중 검은배경인 사진 삭제할 예정
위 사진들과 같이 부적절한 데이터들이 꽤 많아서 전처리를 통해 데이터셋을 다시 수정해야 함