image당 object 개수 outlier 제거 후 학습

[JiyouSeo]

#11에서 준혁님꼐서 진행하셨던 학습을 outlier들만 제거하여 학습시키는 방법으로 재시도해볼 생각입니다.
아무래도 object 개수가 많은 경우에 object끼리 더 많이 겹쳐있을 가능성이 높기 때문입니다.

사진 0(object가 40개 이상인 이미지들)

사진 1

사진 1은 team_train의 각 image당 object 개수의 분포입니다.(object가 1인 image가 1790개)


그리고 사진1을 기준으로

사진 2

앞의 분포를 box plot으로 그렸을 때,
제 3사분위에서 1.5 IQR을 더한 위치의 이후인 outlier는 13~14정도입니다.(혹시 제 해석에 틀린 부분이 있으면 말씀해주세요 !)

사진 3

따라서, object 개수가 14이하인 image들만 json으로 따로 뽑아서 학습을 돌려볼 계획입니다.
사실 사진 1에서 object 개수가 27이하인 image들로 학습을 돌려보고 싶기도 합니다..(14이하로 자르면 train set 개수를 너무 줄이는 건 아닐까 걱정이 되어서요.)
만약 이 방법이 효과가 있으면 만들어낸 json에 mosaic까지 더 해볼 생각입니다 !

[jaehwan-AI]

object 개수가 14개 이하인 image들의 annotation 분포 그래프도 그려서 확인해보면 좋을 것 같습니다

[JiyouSeo]

오오...이렇게 말씀하시는 건가요?!

[jaehwan-AI]

아 제가 단어 선택을 실수했네요.. class 분포를 말씀드린 거였습니다!