fitness値を計算してみた

YOLOv5のtrain.pyで算出されるbest.ptのときのepoch番号を知りたいと思いました（過学習の有無との兼ね合いで）。
（epoch番号以外の指標値は，コンソール（コマンドライン）にsummaryとして表示される）

いろいろググると，fitness値最大時のepochからbest.ptが算出されることがわかりました↓。

どうやらデフォルトでは，
fitness＝mAP50 * 0.1 ＋mAP50-95 * 0,9
のようです。

自宅PCでやってみました。

train.pyを実行します（sモデル，batch=16， epochs=100）。


train.pyの終了画面です↓。

best.ptが作成されたときのmAP50は0.84と表示されました。

runs/expフォルダに格納されたresult.csvをExcelで開き，右端に"fitness"フィールドを追加し，計算させ，大きいもの順に並べ換えました↓。

best.ptのときのepochは87であることがわかりました。
Precision(=0.812)，Recall(=0.781)，mAP50-95(=0.551)の値もsummaryの出力と一致しています。

やったぜベイビー
というか，どうせならresult.csvでfitnessも出力してほしいですね。
この第87エポックの時に過学習が起きているか否かを，runs/expに出力されるグラフ群で判断し，必要ならばepochsの値を変えて再学習させる，とかいうふうになるようです。
またひとつYOLOv5について詳しくなってしまいました。

val.pyの使い方

今年度から2年間（R5,6），物体検出アルゴリズムのひとつである，YOLOv5を使ってマツ枯れ樹冠を自動検出する，という研究課題に取り組んでいます。

大きな流れは以下の3つです。
(1)train.pyというPythonプログラムで学習を行い，
(2)detect.pyというPythonプログラムで，(1)の学習結果に基づいた検出を行い，
(3)val.pyというPythonプログラムで検出結果の精度検証を行う。

(1)，(2)については，例えば，T.Nukuiさんのサイト
https://farml1.com/tomato_yolov5/
https://farml1.com/yolov5/
などに解説があり，おおいに参考にさせてもらっているのですが，
(3)について解説しているサイトがなかなか見つけられませんでした。

が，何とかできました。
動画2本です↓。





3月の森林学会＠東京農大で発表します。
要旨（500字以内）の締め切りは1/5(金)です。

LitchiのミッションをDJI Mini 4 Proで実行

フェイスブックのDJI Mini 4 Proのプライベートグループに，「LitchiのミッションをDJI Mini 4 Proで実行する」旨の投稿がありました。
https://www.facebook.com/groups/3234964243468635/permalink/3329805160651209/
参加してない方はみれないかも？↑


実機（RC2が必要）を持っていて興味のある方は，
グループに参加し，
手順を会得し，
人柱として，
ぜひやってみてくださいな。