| _version_ |
1828460350577573888
|
| author |
Tsiflitzi, Anna
Τσιφλιτζή, Άννα
|
| author2 |
Dounias, Georgios
|
| author_facet |
Dounias, Georgios
Tsiflitzi, Anna
Τσιφλιτζή, Άννα
|
| author_sort |
Tsiflitzi, Anna
|
| collection |
DSpace
|
| description |
This thesis focuses on optimizing training of the YOLOv3 (You Only Look Once) model for object detection using UAV (Unmanned Aerial Vehicle)-captured imagery. It showcases the importance of hyperparameter selection in training effectiveness. Specifically, through extensive analysis, we identified important hyperparameters that influence the trained model’s performance. By adjusting these hyperparameters we fine-tuned training of the model to achieve higher precision in detecting objects.
The study utilized annotated UAV datasets that were preprocessed to align with YOLOv3’s requirements. These datasets were publicly available and comprised of the UA Vehicle Detection Dataset, Stanford Dataset and VisDrone2019DET dataset.
Training optimization was approached by classifying hyperparameters into two categories. The first included hyperparameters that were set according to the characteristics of the training dataset and were kept invariant throughout the analysis. These included max batches, number of classes, filters, and steps. The second category contained the hyperparameters we selected to adjust; i.e., image resolution, backbone network, anchor box dimensions, dilated convolution, box loss and data augmentation techniques.
A Full-Factorial experimental design was employed to generate 96 (2^5 x 3) distinct combinations of these key hyperparameters. The training process was executed twice for each combination of the selected hyperparameters, resulting in a total of 192 trained models. During training, validation was performed every 100 iterations. Finally, after training, we conducted the testing process to evaluate model performance.
Each of the 192 experiments produced outputs consisting of the highest mAP achieved during validation and testing. The results of these experiments were analyzed using ANOVA, which revealed that all hyperparameters significantly influence model performance. Among them, the most impactful hyperparameters on are the backbone network, data augmentation and image resolution. Additionally, two significant two-way interactions were observed: a) between the backbone network and data augmentation, and b) between the backbone network and dilated convolution.
The best-performing model achieved mAP values of 60.99% during training/validation and 52.51% during testing. The model that achieved this performance corresponds to the following hyperparameter combination:
- Image Resolution: 832x832
- Dilated Convolution: No
- Box Loss: DIoU
- Anchor Dimensions: Default
- Backbone: Darknet-53
- Data Augmentation: Mosaic
On the other hand, the performance of the worst performing models was very low, indicating that hyperparameter selection and tuning plays an important role and could lead to significant improvements in YOLOv3’s detection performance.
The study demonstrates the important role of tailored training processes, dataset preparation, hyperparameter selection and tuning in enhancing YOLOv3’s effectiveness for object detection.
|
| id |
oai:hellanicus.lib.aegean.gr:11610-27081
|
| institution |
Hellanicus
|
| language |
English
|
| publishDate |
2025
|
| record_format |
dspace
|
| spelling |
oai:hellanicus.lib.aegean.gr:11610-270812025-03-06T02:00:28Z Fine tuning of YOLOv3 training for object detection in images recorded by a UAV Tsiflitzi, Anna Τσιφλιτζή, Άννα Dounias, Georgios Δούνιας, Γεώργιος Machine learning Artificial intelligence Computer vision Object detection YOLO algorithm YOLOv3 Statistics UAV Logistics Machine learning Artificial Intelligence Computer vision This thesis focuses on optimizing training of the YOLOv3 (You Only Look Once) model for object detection using UAV (Unmanned Aerial Vehicle)-captured imagery. It showcases the importance of hyperparameter selection in training effectiveness. Specifically, through extensive analysis, we identified important hyperparameters that influence the trained model’s performance. By adjusting these hyperparameters we fine-tuned training of the model to achieve higher precision in detecting objects. The study utilized annotated UAV datasets that were preprocessed to align with YOLOv3’s requirements. These datasets were publicly available and comprised of the UA Vehicle Detection Dataset, Stanford Dataset and VisDrone2019DET dataset. Training optimization was approached by classifying hyperparameters into two categories. The first included hyperparameters that were set according to the characteristics of the training dataset and were kept invariant throughout the analysis. These included max batches, number of classes, filters, and steps. The second category contained the hyperparameters we selected to adjust; i.e., image resolution, backbone network, anchor box dimensions, dilated convolution, box loss and data augmentation techniques. A Full-Factorial experimental design was employed to generate 96 (2^5 x 3) distinct combinations of these key hyperparameters. The training process was executed twice for each combination of the selected hyperparameters, resulting in a total of 192 trained models. During training, validation was performed every 100 iterations. Finally, after training, we conducted the testing process to evaluate model performance. Each of the 192 experiments produced outputs consisting of the highest mAP achieved during validation and testing. The results of these experiments were analyzed using ANOVA, which revealed that all hyperparameters significantly influence model performance. Among them, the most impactful hyperparameters on are the backbone network, data augmentation and image resolution. Additionally, two significant two-way interactions were observed: a) between the backbone network and data augmentation, and b) between the backbone network and dilated convolution. The best-performing model achieved mAP values of 60.99% during training/validation and 52.51% during testing. The model that achieved this performance corresponds to the following hyperparameter combination: - Image Resolution: 832x832 - Dilated Convolution: No - Box Loss: DIoU - Anchor Dimensions: Default - Backbone: Darknet-53 - Data Augmentation: Mosaic On the other hand, the performance of the worst performing models was very low, indicating that hyperparameter selection and tuning plays an important role and could lead to significant improvements in YOLOv3’s detection performance. The study demonstrates the important role of tailored training processes, dataset preparation, hyperparameter selection and tuning in enhancing YOLOv3’s effectiveness for object detection. Η παρούσα διπλωματική εργασία επικεντρώνεται στη βελτιστοποίηση της διαδικασίας εκπαίδευσης του YOLOv3 (You Only Look Once) για την ανίχνευση και ταξινόμηση αντικειμένων από εικόνες που καταγράφονται από UAV (Μη Επανδρωμένα Εναέρια Οχήματα) και συγκεκριμένα ανθρώπων, αυτοκινήτων, ποδηλάτων και μεγάλων οχημάτων. Η επίτευξη της βελτιστοποίησης πραγματοποιήθηκε μέσω της ρύθμισης κατάλληλων υπερπαραμέτρων του YOLOv3 μοντέλου, με στόχο τη μεγιστοποίηση της μέσης τιμής της μέσης ακρίβειας (mean Average Precision ή mAP). Συγκεκριμένα, μέσα από εκτενή ανάλυση, εντοπίστηκαν οι υπερπαράμετροι που επηρεάζουν την απόδοση του YOLOv3 μοντέλου και μας ενδιαφέρουν για την δική μας έρευνα. Με την κατάλληλη προσαρμογή αυτών των υπερπαραμέτρων, έγινε η σωστή ρύθμιση της εκπαίδευσης του μοντέλου, και αποδείχθηκε ότι ορισμένοι υπερπαράμετροι επέφεραν υψηλότερα αποτελέσματα mAP συγκριτικά με τις προεπιλεγμένες ρυθμίσεις του YOLOv3. Στην έρευνα μας χρησιμοποιήσαμε δημόσια διαθέσιμα σύνολα δεδομένων εικόνων από UAV, όπως τα UA Vehicle Detection Dataset, το Stanford Dataset και το VisDrone2019DET dataset. Τα συγκεκριμένα αυτά σύνολα δεδομένων εικόνων τροποποιήθηκαν προκειμένου να περιλαμβάνουν μόνο τις κατηγορίες αντικειμένων που μας ενδιέφεραν για την έρευνά μας. Η βελτιστοποίηση της εκπαίδευσης του YOLOv3 πραγματοποιήθηκε με την ταξινόμηση των υπερπαραμέτρων σε δύο κατηγορίες. Η πρώτη περιλάμβανε υπερπαραμέτρους που καθορίστηκαν σύμφωνα με τα χαρακτηριστικά του συνόλου δεδομένων εκπαίδευσης και παρέμειναν αμετάβλητες καθ' όλη τη διάρκεια της ανάλυσης. Η δεύτερη κατηγορία περιλάμβανε τις υπερπαραμέτρους που ρυθμίστηκαν για τη βελτιστοποίηση της απόδοσης εκπαίδευσης του YOLOv3. Για τον σχεδιασμό πειραμάτων χρησιμοποιήθηκε η μέθοδος πλήρους παραγοντικού σχεδιασμού (Full-Factorial design), δημιουργώντας 96 (2⁵ x 3) διακριτούς συνδυασμούς των επιλεγμένων για την έρευνα υπερπαραμέτρων. Η διαδικασία εκπαίδευσης εκτελέστηκε δύο φορές για κάθε συνδυασμό των επιλεγμένων υπερπαραμέτρων, με αποτέλεσμα να δημιουργηθούν συνολικά 192 εκπαιδευμένα μοντέλα. Έπειτα, μετά την εκπαίδευση των μοντέλων, πραγματοποιήθηκε η διαδικασία δοκιμής απόδοσης του μοντέλου (testing) για την αξιολόγηση της απόδοσης του μοντέλου. Σκοπός της εκπαίδευσης και της διαδικασίας δοκιμής απόδοσης είναι να πραγματοποιηθεί η ανάλυση των αποτελεσμάτων μέσω της Ανάλυσης Διακύμανσης (ANOVA). Η ανάλυση των τιμών του mAP που προέκυψαν από την διαδικασία εκπαίδευσης και δοκιμών μέσω ANOVA αποκάλυψε ότι όλες οι υπερπαράμετροι επηρεάζουν σημαντικά την απόδοση του μοντέλου. Ωστόσο, οι υπερπαράμετροι με τη μεγαλύτερη επίδραση ήταν ο κορμός δικτύου (backbone network), η αύξηση δεδομένων (data augmentation) και η ανάλυση εικόνας (image resolution). Επιπλέον, παρατηρήθηκαν δύο σημαντικές αλληλεπιδράσεις μεταξύ παραγόντων: α) μεταξύ του κορμού δικτύου (backbone network) και της αύξησης δεδομένων (data augmentation), και β) μεταξύ του κορμού δικτύου (backbone network) και της διατεταμένης συνελικτικής (dilated convolution). Το καλύτερο εκπαιδευμένο μοντέλο πέτυχε τιμές mAP 60,99% κατά την εκπαίδευση/επικύρωση και 52,51% κατά τη δοκιμή απόδοσης. Το μοντέλο που πέτυχε αυτήν την απόδοση αντιστοιχεί στον ακόλουθο συνδυασμό υπερπαραμέτρων: - Ανάλυση εικόνας (Image Resolution): 832x832 - Διατεταμένη Συνελικτική (Dilated Convolution): Όχι - Απώλεια Κουτιού (Box Loss): DIoU - Διαστάσεις των περιγραμμάτων (Anchor Dimensions): Default - Κορμός Δικτύου (Backbone Network): Darknet-53 - Αύξηση Δεδομένων (Data Augmentation): Mosaic Από την άλλη πλευρά, η σημαντικά χαμηλή απόδοση ορισμένων μοντέλων, υποδεικνύει ότι η επιλογή και ρύθμιση των υπερπαραμέτρων παίζει σημαντικό ρόλο και μπορεί να οδηγήσει σε σημαντικές βελτιώσεις στην αποτελεσματικότητα του YOLOv3 για την ανίχνευση και ταξινόμηση αντικειμένων. 2025-03-05T05:55:56Z 2025-03-05T05:55:56Z 2025-01-04 https://hdl.handle.net/11610/27081 en Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Χίος
|
| spellingShingle |
Machine learning
Artificial intelligence
Computer vision
Object detection
YOLO algorithm
YOLOv3
Statistics
UAV
Logistics
Machine learning
Artificial Intelligence
Computer vision
Tsiflitzi, Anna
Τσιφλιτζή, Άννα
Fine tuning of YOLOv3 training for object detection in images recorded by a UAV
|
| title |
Fine tuning of YOLOv3 training for object detection in images recorded by a UAV
|
| title_full |
Fine tuning of YOLOv3 training for object detection in images recorded by a UAV
|
| title_fullStr |
Fine tuning of YOLOv3 training for object detection in images recorded by a UAV
|
| title_full_unstemmed |
Fine tuning of YOLOv3 training for object detection in images recorded by a UAV
|
| title_short |
Fine tuning of YOLOv3 training for object detection in images recorded by a UAV
|
| title_sort |
fine tuning of yolov3 training for object detection in images recorded by a uav
|
| topic |
Machine learning
Artificial intelligence
Computer vision
Object detection
YOLO algorithm
YOLOv3
Statistics
UAV
Logistics
Machine learning
Artificial Intelligence
Computer vision
|
| url |
https://hdl.handle.net/11610/27081
|
| work_keys_str_mv |
AT tsiflitzianna finetuningofyolov3trainingforobjectdetectioninimagesrecordedbyauav
AT tsiphlitzēanna finetuningofyolov3trainingforobjectdetectioninimagesrecordedbyauav
|