Solbi Lee님의 블로그

YOLOv3 벌 탐지 프로젝트: 커스텀 NMS, A/B테스트 중독, 증상 분석 문제의 발견프로젝트 요구사항은 명확했다. YOLOv3로 벌을 탐지하고 ResNet-18로 종을 분류하는 파이프라인을 구축하는 것. 하지만 처음부터 불안했다.(강사님께서 어차피 성능 제대로 안나올 거라고 하셨기 때문)GPU 자원은 제한적이고 학습 시간도 부족했다. 그래서 처음부터 전략을 바꿔 잡았다. 모델 아키텍처에 매달리지 말고 후처리에 집중하기로 했다.벌집 데이터의 특성을 관찰해보니 몇 가지 문제가 보였다. 벌들이 서로 겹쳐 있고, 벌집과 벌이 시각적으로 유사한 경우가 많았다. 일반적인 NMS로는 이런 복잡한 상황을 제대로 처리하기 어려울 것 같았다.그래서 커스텀 후처리를 설계하기로 했다. IoU 기반 군집화를 통해 겹치는 ..

1. 과제 설계의 핵심이번 과제의 구조는 명확했다.“검출 → 크롭 → 분류”의 두 단계 파이프라인을 구성하는 것이다.YOLO로 객체를 검출한 뒤,해당 영역을 crop하여ResNet, EfficientNet, 혹은 간단한 MLP/SVM 같은 별도의 분류 모델에 전달한다.이는 실제 산업 현장에서도 자주 활용되는 접근법이기도 하다.예를 들어 동전 인식, 과일 분류, 교통 표지판 인식 같은 응용 문제들이 대표적이다. 2. 주제 선정 과정에서의 고민초기에는 다양한 아이디어를 검토했다.동전 인식: 동전 검출 후 금액 합계 계산과일 바구니: 과일 검출 후 종류별 개수 산출교통 표지판: 표지판 검출 후 세부 클래스 분류각각 나름의 기술적 도전과 실용성을 갖추고 있었지만, 데이터셋 확보의 현실적 제약을 반드시 고려해야 ..