스마트팜 과제, 오리 사육 농가에서의 오리 및 뒤집어진 오리, 죽은 오리 등의 세가지 상태에 대한 object detection 및 사육 농가 환경의 수분 함량 확인을 위한 깔집 semantic segmentation.

Published JAST DOI: https://doi.org/10.5187/jast.2023.e76

J Anim Sci Technol: A Study of Duck Detection using Deep Neural Network based on RetinaNet Model in Smart Farming

A Study of Improved Duck Detection using YOLO-based Deep Neural Networks Papers(Not Submit yet)

edit?usp=sharing&ouid=112172356056973580538&rtpof=true&sd=true

0. Index

1. DATA Overview

1.1. DATA Example

1.2. DATA Information

1.3. DATA Analysis

1.4. DATA Problem

1.5. DATA Labeling Rule

2. LabelMe 사용법

https://gjghks.tistory.com/66

• 라벨 이름음 ground
• 저장 방식은 json파일 그냥 저장(기본저장)
• 지나치게 자세할 필요는 없지만, 반드시 오른쪽 끝, 왼쪽끝 아래 끝은 포함되어야만함.
• 최대한 오리는 지나가지 않도록 하되, 오리 다리 사이, 오리와 오리 사이등 좁은 구역을 위해 지나치게 폴리곤을 찍을 필요가 없음
• 모든 데이터는 확인 후 필요한 부분은 피드백 후 재 라벨링 요구 할 가능성이 있음

Labelme

3. Main Code

3. 1. Base Line Code

• Model Name : Retina Net
• Backbone: ResNet
• RoI : FPN

3. 2. 구현 결과 - 1차

• 학습은 된다
• Classification Loss가 떨어지지 않아서 원인 파악을 시도
• 원인은 중간에 Heads를 Clamping하는 과정에서 Heads의 값이 고정되기 때문.
• 학습이 안되는 것 처럼 보였으나, 실제로는 학습을 하고 있을지도 모른다는 결론
• 정확하게 확인하기 위해 Precision과 Recall등을 넣어야 할 필요성을 느낌.
• 학습 시 Train Mean IoU의 최대 값은 0.5정도 까지 나옵니다.