3.2.4. OBB 모델 도입
1. 실험 문제
2024년 데이터에서 OBB*라벨을 구착하여 OBB탐지가 가능한 모델을 학습한 뒤, 기존 라벨링 방식과 비교했을 때 객체탐지 성능의 개선 효과를 확인하고자 하였다.
2. 가설
아래 이유로 본 서비스 도메인에서 OBB 모델이 탐지성능 향상을 높일 수 있을 것이라 보았다.
OBB는 물체의 회전을 반영하여 정확한 경계를 설정할 수 있음
복잡한 해양환경 배경과의 혼동을 줄임
돌고래 & 선박 객체의 특징 추출을 위해 더욱 정제된 정보를 제공함
AABB와 OBB*
AABB (Axis-Aligned Bounding Box): 축에 평행한 사각형 경계 상자. 계산이 간단하고 빠르지만, 회전된 물체에 대해 비효율적이며 불필요한 빈 공간 포함 가능.
OBB (Oriented Bounding Box): 물체의 회전과 방향을 반영한 기울어진 경계 상자. 복잡한 구조나 회전된 물체에 대해 더 정확하지만 계산이 더 복잡하고 처리 시간이 길 수 있음.
이하 AABB모델, OBB모델은 각 타입의 bbox로 학습하여 추론결과도 해당하는 bbox로 출력할수있는 모델로 정의한다.
3. 실험 방법
[코드 매핑]
obb 모델의 학습, 평가에 사용된 코드는 아래와 같다.
모델 학습: train_yolo.py
정량 평가: evaluate_models.py
정성 평가(시각화): get_infered_images.py
3-1. 데이터셋
데이터 소스: 3840 x 2160 크기의 원본 이미지를 1440 x 1440 크기의 8개 패치로 분할.
데이터 구조:
이미지 경로:
ROOT/dataset_2024/patched_1440/images/라벨 경로:
ROOT/dataset_2024/patched_1440/labels/데이터셋은
train,val,test폴더로 구성됨.
3-2. 모델 설정
모델: YOLOv8l OBB
사전학습: DOTA 데이터로 사전학습된 웨이트 사용.
학습 설정: Batch size 8, 총 50 에폭.
3-3. 평가 방법
동일한 test 데이터에 대해 다음 메트릭을 측정하여 비교하였다.
평가 메트릭
정량: recall, precision, f1, AP50, AP50-95
정성: 주요 FN & FP사례
평가 데이터
DVA_DATASET_2024
4. 실험 결과
4-1. 정량 평가
테스트 데이터에 대한 주요 지표는 아래와 같다. 비교를 위하여 일부 지표에 대해 AABB모델 중 성능 최고치를 (괄호)안에 작성하였다.
Recall
0.914
0.847
0.955
Precision
0.955
0.5
0.955
F1 Score
0.934 (0.773)
0.629 (0.625)
0.955
AP50
0.951
0.633
0.976
AP50-95
0.862
0.417
0.851
mAP50: 0.854 | mAP50-95: 0.71
주요 관찰점
Ship 인식 성능 큰폭으로 향상:
F1-Score 0.93으로 2024테스트데이터 기준 AABB 모델의 최고치보다 20% 가량 향상됨
Dolphin precision의 감소:
Precision이 0.5로 상대적으로 낮게 측정됨.
정성 평가 결과를 통해 라벨링 되지 않는 돌고래 탐지로 인해 낮게 측정되었음 확인
서비스 측면에서 문제 없다고 판단함
4-2. 정성 평가
4-2-1 정상 탐지
[그림1] - 선박의 경계를 매우 정확하게 탐지함
[그림2] - 가공정책상 라벨링 되지 않은 돌고래를 탐지하여 FP로 분류하였으나 서비스 관점에서 문제 없는 사례
4-2-2. 비정상 탐지
아래는 모델의 탐지결과에 문제가 있어 모델을 보완하거나 혹은 후처리 절차를 추가하여 개선해야하는 경우이다.
[그림3] - 하나의 jetski 객체에 ship, jetski로 두번 탐지한 경우
jetski 객체를 ship 라벨로 통일하고 bbox 머지를 하여 해결
[그림4] - 하나의 배의 여러 부분에 복수의 bbox가 생성된 사례
학습데이터 보충 및 bbox 머지로 해결 필요함
5. 결론
OBB 라벨링 방식으로 선박 탐지 성능(F1-Score) 약 20% 개선 확인.
낮은 dolphin precision가공 정책에 따라 라벨링 되지 않은 돌고래를 잡은 결과임. 서비스 관점에서는 문제 없음.
Jetski 중복 탐지 및 복수 Bbox 생성 문제는 데이터 보강과 후처리로 개선 가능.
OBB 모델의 이점을 확인하여 yolov8lobb 모델을 이후 고도화의 기준모델로 사용하기로함
Last updated