1 of 19

Final Project Presentation

Group 23

111522101江俊辰 111522053鄭少捷

1

2 of 19

Introduction

2

3 of 19

Introduction

​

  • AICUP 2022 無人機飛行載具之智慧計數競賽

​

  • 基於機器學習、深度學習模型，偵測無人機拍攝後的照片上的物件

​

  • YOLO(You Only Look Once) v7

​

​

3

4 of 19

資料集與評分方式

4

5 of 19

5

Dataset

  • 訓練集: 1000 png + 1000 txt, 每張照片對應一個label.txt
  • label format:

類別, 左上角X座標, 左上角Y座標, 寬度, 高度

    • 類別:

0: 車

1: 大型車

2: 人

3: 摩托車

Img0001.png

Img0001.txt

6 of 19

6

Submission

  • Public and private dataset
  • Submit a csv file
  • format

- 檔名, 類別, 左上角X座標, 左上角Y座標, 寬度, 高度

- 檔名, 類別, 左上角X座標, 左上角Y座標, 寬度, 高度

​

…..

7 of 19

7

Evaluation

8 of 19

系統架構圖

8

9 of 19

9

系統架構圖

10 of 19

方法介紹與改進過程

10

11 of 19

11

Epoch: 300 Batch-size: 4 Img-size: 460 x 460

Phase 1

  1. Epoch過少=> Precision未收斂
  2. Img size 過小 =>照片失真
  3. Batch-size過小 => 訓練過慢

12 of 19

12

Epoch: 600 Batch-size: 8 Img-size: 640 x 640

Phase 2

  1. 改善數值準確度有名顯變好
  2. mAP@0.5:0.95 下降

13 of 19

13

Epoch: 1200 Batch-size: 8 Img-size: 1280 x 1280

Data augmentation: 1 img to 4 img(30 60 120 150)

Phase 3

  1. 各項數值大幅提升
  2. Private data 中有Training data部分資料不同角度的照片

Training data: Img0001.png

Private data: Img1534.png

14 of 19

14

Data augmentation

15 of 19

Summarize

15

 

Test 1

Test 2

Test 3

Test 4

Test 5

Epoch

300

600

900

1200

1200

Batch size

4

8

8

8

8

Img size

416 * 416

600 * 600

800 * 800

1280*1280

1280*1280

Data augmentation

X

X

X

X

O

Public score

0.60692

0.63644

0.654742

0.682913

0.708156

Private score

X

X

X

0.690544

0.720042

16 of 19

Future work

16

17 of 19

結論

17

18 of 19

Conclusion

    • 照片上多為小物體，所以須注意照片的大小。

​

​

    • 資料增量，使模型看過各種不同的資料。

​

​

    • 排名：

​

​

​

​

18

19 of 19

End

19