YOLOY v10을 이용한 이미지 학습 (Diablo2)

0. 이전 포스트

Darknet + YOLO v4 tiny 를 이용한 이미지 학습-1

Darknet + YOLO v4 tiny 를 이용한 이미지 학습-2

1. 작업 내용

• 이전 포스트에서 사용한 학습 데이터를 사용
• YOLO v10 을 이용하여 학습
• Pre-tratined weight yolov10n.pt 를 사용
• supervision을 사용하여 시각화

2. 코드 및 데이터

• Train images https://github.com/ohsungkim56/diablo2_object_dection_yolo_v10/tree/main/data/images
  
• Train labels https://github.com/ohsungkim56/diablo2_object_dection_yolo_v10/tree/main/data/labels
  

• Train, validation codes (notebook) https://github.com/ohsungkim56/diablo2_object_dection_yolo_v10/blob/main/diablo2_object_detection.ipynb

3. 학습 로그

      Epoch    GPU_mem   box_loss   cls_loss   dfl_loss  Instances       Size
  1000/1000      6.41G      1.233     0.7209      1.542        543        640: 100%|██████████| 3/3 [00:00<00:00,  3.05it/s]
                 Class     Images  Instances      Box(P          R      mAP50  mAP50-95): 100%|██████████| 1/1 [00:00<00:00,  5.68it/s]
                   all          8        564       0.98       0.96      0.985      0.906

1000 epochs completed in 1.954 hours.
Optimizer stripped from runs/detect/train16/weights/last.pt, 5.9MB
Optimizer stripped from runs/detect/train16/weights/best.pt, 5.9MB

Validating runs/detect/train16/weights/best.pt...
Ultralytics 8.3.63 🚀 Python-3.10.6 torch-2.5.1+cu124 CUDA:0 (NVIDIA GeForce RTX 3060 Ti, 8191MiB)
YOLOv10n summary (fused): 285 layers, 2,699,876 parameters, 0 gradients, 8.3 GFLOPs
                 Class     Images  Instances      Box(P          R      mAP50  mAP50-95): 100%|██████████| 1/1 [00:00<00:00,  3.42it/s]
                   all          8        564      0.983      0.955      0.986      0.916
    _flawless_amethyst          8         31          1      0.998      0.995      0.937
     _flawless_diamond          7         34      0.969      0.926      0.986      0.847
     _flawless_emerald          8         45      0.953          1      0.995      0.958
        _flawless_ruby          8         54      0.995      0.963      0.989      0.896
     _flawless_saphire          6         33      0.979       0.97      0.992       0.95
       _flawless_skull          7         43          1      0.948      0.977      0.892
       _flawless_topaz          7         41          1      0.987      0.995      0.946
     _perfect_amethyst          8         48      0.979      0.978      0.994      0.954
      _perfect_diamond          7         50      0.977      0.856      0.978      0.871
      _perfect_emerald          8         37       0.97      0.885      0.951      0.869
         _perfect_ruby          6         24          1      0.933      0.987        0.9
      _perfect_saphire          6         33          1      0.995      0.995      0.945
        _perfect_skull          8         50      0.941      0.958      0.974      0.897
        _perfect_topaz          7         41          1      0.973      0.993      0.956
Speed: 0.4ms preprocess, 2.7ms inference, 0.0ms loss, 0.2ms postprocess per image
Results saved to runs/detect/train16
💡 Learn more at https://docs.ultralytics.com/modes/train

4. 학습 결과

5. 검증 데이터 결과

6. 평가

• 반지에 있는 보석이 상급 사파이어로 검출
• 주얼이 최상급 또는 상급 보석으로 검출 (이미지가 유사)
• 비슷한 위치에 있던 흰색 주얼 중 한개는 검출되었으나, 한개는 검출되지 않음

• 중/하급 스컬이 상급 스컬로 검출 (중/하급 스컬은 상급 스컬에 크랙이 있는 유사한 이미지이고, 최상급 스컬은 스컬 가운데에 보석이 박혀있어 구분되는 이미지)
• 최하/하/중급 보석과, 검출하고자 했던 상/최상급 보석을 섞은 이미지인데, 최하/하/중급 보석은 검출되지 않았지만 상/최상급 보석 일부가 검출되지 않았음

• 최상급 자수정, 최상급 스컬을 모아둔 이미지였는데, 사이에 있던 일부 최상급 자수정이 검출되지 않았음.

• 마찬가지로 최상급 루비를 모아둔 이미지였는데, 사이에 있던 일부 최상급 루비가 검출되지 않았음음

7. reference

How to Train a YOLOv10 Model on a Custom Dataset

[Colab] train-yolov10-object-detection-on-custom-dataset.ipynb