교수님 안녕하세요 수강생입니다   현재 가르쳐주신 Mmdetection- faster-rcnn으로  실제 모델에 적용하여 tranning 중 문의사항이 있어 메일 보내드립니다.   ◇ 문의사항 1. Recall이 낮을때     : 실제 모델이 적용했을 경우 Accuracy는 상당히 높으나        Recall이 너무 낮아 검출이 잘 안되고 있습니다 ㅠㅜ        이를 극복하기 위해 이미지 수를 늘리려 합니다. 맞는 방향일까요?   2. Labeling 시 겹침 문의      : 라벨링 시 각 객체간 너무 인접해 있어 box 설정시 겹치게 됩니다.        이럴경우        제외하고 넘어가야할까요? 아니면 같은 class의 객채만 아니면 겹쳐도 상관없을까요?   바쁘시겠지만 답변 부탁드립니다 감사합니다.         

안녕하세요. '딥러닝-컴퓨터비전-완벽가이드'를 수강하고 있는 고준규입니다. 다름이 아니라 정밀도와 재현율에 대해 질문이 있어서 글을 남깁니다.   COCO 데이터셋이나 Pascal VOC 데이터셋과 같이 성능평가로 검증된 데이터셋이 아닌 직접 object detection을 사용하여 문제를 해결하기위해 custom 데이터를 활용하여 데이터 라벨링을 하였습니다.   이 때, 모델의 평가를 진행하였는데, precision score (0.6)가 recall score (0.9)에 비해 낮은 결과를 얻는 것을 확인했습니다. 이를 자체적으로 분석해본 결과, 사람이 직접 라벨링을 하다보니 사람이 놓친 부분을 모델이 탐지하여 precision score가 낮아지는 것을 확인하였고 결론지었습니다. 이럴 경우, custom 데이터셋을 새롭게 수정해서 학습을 시켜야하는 것이 맞는 방법인 것으로 보이나 현실적으로 이를 수정하기에는 비용이 생각보다 많이 들 것 같아서 다른 방법을 생각해보고 있습니다.   혹시 이와 관련되어 조언을 얻을 수 있을까요?