요즘 하는 고민
-
내가 분석한 multi object tracker의 약점들 1. DetA에 비해, AssA가 낮음2. MOT17과 MOT20의 성능 차이가 큼 → 밀도가 낮은 영역에서의 detection이 불안정함3. 한 사람에 크기가 다른 박스 2개 생성 사람이 아닌데 사람으로 판단4. 작은 사람, 너무 큰 사람(화면 밖으로 일부가 나감), 가만히 있는 사람, 사람이 많이 가려지는 경우 detection 놓침 → IDSW 자주 발생5. bounding box가 object를 정확하게 포함하지 않음6. 복잡한 장면의 경우, 처리 속도가 약 30~50% 정도 떨어짐7. 비슷한 appearance를 가진 object들에 대한 IDSW 발생
[고민] 230907 tracking 고민내가 분석한 multi object tracker의 약점들 1. DetA에 비해, AssA가 낮음2. MOT17과 MOT20의 성능 차이가 큼 → 밀도가 낮은 영역에서의 detection이 불안정함3. 한 사람에 크기가 다른 박스 2개 생성 사람이 아닌데 사람으로 판단4. 작은 사람, 너무 큰 사람(화면 밖으로 일부가 나감), 가만히 있는 사람, 사람이 많이 가려지는 경우 detection 놓침 → IDSW 자주 발생5. bounding box가 object를 정확하게 포함하지 않음6. 복잡한 장면의 경우, 처리 속도가 약 30~50% 정도 떨어짐7. 비슷한 appearance를 가진 object들에 대한 IDSW 발생
2023.09.07 -
1. 새로운 loss 함수를 추가하면 다른 hyperparameter들을 어떻게 해야하는가?2. 새로운 loss 함수가 어떤 영향을 미치는지 학습 중에도 파악이 가능한가?
[고민] 새로운 loss 함수 추가1. 새로운 loss 함수를 추가하면 다른 hyperparameter들을 어떻게 해야하는가?2. 새로운 loss 함수가 어떤 영향을 미치는지 학습 중에도 파악이 가능한가?
2023.09.07 -
유사한 object에 대한 구별은 어떻게 해야 잘 할 수 있는가?
[고민] 230203 tracking 고민유사한 object에 대한 구별은 어떻게 해야 잘 할 수 있는가?
2023.02.03 -
조건 : 동일 모델, 동일 하이퍼 파라미터문제 : 데이터셋에 대한 라벨링(GT)을 다른 작업자가 한 것을 추가 한 경우, mAP 약 5% 감소 및 batch에서 loss 약 0.45 증가 생각하는 문제점 :작업자에 따른 GT의 차이사람이기 때문에 작업자 마다 완전히 동일하지 않은 GT 제작 기준다른 작업자가 GT를 잘못 만든 경우데이터가 추가/변경 되었지만, 하이퍼 파라미터는 그대로 사용
[고민] 데이터셋에 따른 학습 결과조건 : 동일 모델, 동일 하이퍼 파라미터문제 : 데이터셋에 대한 라벨링(GT)을 다른 작업자가 한 것을 추가 한 경우, mAP 약 5% 감소 및 batch에서 loss 약 0.45 증가 생각하는 문제점 :작업자에 따른 GT의 차이사람이기 때문에 작업자 마다 완전히 동일하지 않은 GT 제작 기준다른 작업자가 GT를 잘못 만든 경우데이터가 추가/변경 되었지만, 하이퍼 파라미터는 그대로 사용
2022.07.15