AI-DX education 3조_알약 프로젝트_5
데이터 담당 조원분이 약 이름 클래스로 샘플 데이터를 수정하고 YOLO 모델을 200번 재학습시켰다. 학습에 사용된 이미지로 테스트했을 때는 90~100%의 높은 정확도를 보였지만, 같은 약이라도 다른 각도나 조명에서 찍은 사진으로 테스트했을 때는 알약을 전혀 검출하지 못하는 문제가 발생했다.
밑의 사진은 높은 정확도를 보여주는 사진이다. 
밑의 사진은 클래스를 변경한 데이터 yaml 파일이다. 
밑의 사진은 train사진으로 테스트 했을 때의 사진이다. 
밑의 사진은 인터넷에서 같은 약이지만 다른 알약 사진을 가져와 테스트 했을때의 사진이다. 
결과에 충격을 받아 모델 성능을 자세히 분석해보니 대부분의 클래스에서 성능 지표는 매우 좋았다. 혼란스러운 마음으로 강사님께 결과를 말씀드렸고, 강사님은 학습 데이터 부족이 원인일 가능성을 제시했다. 특히 내가 테스트한 사진은 정면에서 찍은 알약이었는데, 학습 데이터에 정면 사진이 부족하여 발생한 문제일 수 있다는 것이었다.
밑의 사진은 학습에 사용한 사진이다. 
강사님은 전체 데이터셋으로 학습을 진행해도 같은 문제가 발생한다면 YOLO 모델 대신 구글 Vertex AI를 사용하여 알약 인식 모델을 새로 만들자고 제안하셨다. 프로젝트 완성도 중요하지만, 나는 이번 기회에 YOLO 모델을 꼭 활용해보고 싶었다.
게다가 ResNet과 OCR 모델을 담당하는 다른 조원들도 성능 문제로 어려움을 겪고 있어, YOLO 모델만 사용하는 방안도 고려 중이었다. 그런데 YOLO 모델마저 문제가 발생하니 팀 전체가 깊은 고민에 빠졌고, 나는 특히 큰 실망감을 느꼈다.
프로젝트 완성을 위해 다른 모델로 전환하는 것이 합리적인 선택일 수도 있지만, YOLO 모델에 대한 팀원들의 기대와 노력이 컸던 만큼 쉽게 포기할 수 없었다. 앞으로 YOLO 모델의 문제점을 해결하기 위해 다양한 방법을 시도해보고, 팀원들과 함께 힘을 합쳐 최선의 결과를 만들어내고 싶다.