[MMDetection] 4주차: 모델 평가 및 시각화

강의 목표

1. 학습된 모델을 평가하고, 결과를 분석하는 방법을 이해한다.
2. 객체 검출 결과를 시각화하는 방법을 학습한다.

강의 구성

9강: 모델 평가 (45분)

• 내용
  • 학습된 모델의 평가 방법 소개
  • 주요 평가 지표 설명 (mAP, Precision, Recall 등)
  • 평가 스크립트 사용 방법
• 활동
  • 평가 스크립트 실행 예제 탐색
  • Q&A 시간

10강: 결과 시각화 (45분)

• 내용
  • 객체 검출 결과를 시각화하는 방법 소개
  • inference_detector 및 show_result_pyplot 함수 사용법
  • 결과 시각화 시 발생할 수 있는 문제와 해결 방법
• 활동
  • 시각화 예제 코드 탐색
  • Q&A 시간

11강: 프로젝트 실습 (60분)

• 내용
  • 개인 또는 팀 프로젝트 주제 선정
  • 데이터셋 준비, 모델 설정 및 학습, 평가 및 시각화 전 과정 실습
• 활동
  • 프로젝트 계획서 작성
  • 팀별/개인별 실습 진행 및 발표 준비

강의 자료

9강 자료

1. 슬라이드: 모델 평가 방법 및 주요 지표 설명
2. 자료: 평가 지표 계산 예제
3. 링크:
   • MMDetection 평가 스크립트 문서

10강 자료

1. 슬라이드: 객체 검출 결과 시각화 방법 설명
2. 자료: 시각화 예제 코드
3. 링크:
   • MMDetection 시각화 문서

11강 자료

1. 프로젝트 가이드: 프로젝트 주제 선정 및 진행 방법 안내
2. 실습 가이드: 프로젝트 전 과정 실습 안내
3. 자료: 프로젝트 계획서 양식

실습 안내

실습 1: 모델 평가

  1. 평가 스크립트 실행

python tools/test.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py work_dirs/faster_rcnn_r50_fpn_1x_coco/latest.pth --eval bbox

  2. 평가 결과 분석

• mAP, Precision, Recall 등 주요 지표 확인
• 평가 결과를 바탕으로 모델 성능 개선 방안 모색

실습 2: 결과 시각화

  1. 시각화 코드 작성

import mmcv
from mmdet.apis import init_detector, inference_detector, show_result_pyplot

config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
checkpoint_file = 'work_dirs/faster_rcnn_r50_fpn_1x_coco/latest.pth'

model = init_detector(config_file, checkpoint_file, device='cuda:0')

img = 'test.jpg'
result = inference_detector(model, img)
show_result_pyplot(model, img, result)

 

  2. 결과 이미지 시각화

1. • 다양한 이미지에 대해 모델의 객체 검출 결과 시각화
   • 시각화 결과를 바탕으로 모델의 강점과 약점 분석

실습 3: 프로젝트 실습

1. 프로젝트 주제 선정 및 계획서 작성
   • 주제: 예를 들어, 특정 객체(예: 차량, 사람) 검출 모델 개발
   • 데이터셋 준비, 모델 설정 및 학습, 평가 및 시각화 전 과정 계획
2. 프로젝트 진행
   • 데이터셋 준비
   • 모델 설정 및 학습
   • 모델 평가 및 결과 시각화
   • 결과 분석 및 보고서 작성

과제

1. 학습된 모델을 사용하여 다양한 이미지에 대한 객체 검출 결과를 시각화하고, 결과 이미지를 제출합니다.
2. 프로젝트 계획서를 작성하여 제출하고, 다음 주에 발표 준비를 합니다.

참고 자료

• MMDetection 공식 문서
• PyTorch 공식 문서
• 객체 검출 평가 지표 문서