YOLOで1クラス分類をするための少ないデータセットの用意について

Question

YOLOに限りませんが、画像認識を用いてある画像に指定したものが存在するか、しないかを判定させたいです。

例えばここでは自分のスマートフォンを学習させたいのですが、様々なスマートフォンを認識する必要はなく自分のスマートフォンのみを認識できればいいです。
その学習に自分のスマートフォンの写真を撮って使いたいのですが、元データを5枚とか10枚でとても少なくしてみたいです。
これに、反転・回転・コントラスト変更などを行い水増しを行いたいと考えています。

この場合、目安として水増ししたデータセットは何枚ほどあるといいのでしょうか
5枚の画像を頑張って1000枚とかにしてもやはり精度は全然という感じになってしまうでしょうか
あるかないかだけなら可能でしょうか

また画像はスマートフォン全体だけだと、もし一部が隠れてしまっているときは認識してくれないのでしょうか
その場合は水増し過程で一部を隠すような加工をするといいのでしょうか

Answer 1

YOLOに限りませんが、画像認識を用いてある画像に指定したものが存在するか、しないかを判定させたいです。

物体検出で検出されれば指定したものがある、検出されなければないと判断すればいいと思います。

例えばここでは自分のスマートフォンを学習させたいのですが、様々なスマートフォンを認識する必要はなく自分のスマートフォンのみを認識できればいいです。
その学習に自分のスマートフォンの写真を撮って使いたいのですが、元データを5枚とか10枚でとても少なくしてみたいです。
これに、反転・回転・コントラスト変更などを行い水増しを行いたいと考えています。
この場合、目安として水増ししたデータセットは何枚ほどあるといいのでしょうか
5枚の画像を頑張って1000枚とかにしてもやはり精度は全然という感じになってしまうでしょうか

こればっかりは試してみないとわかりませんが、数枚というのは少なすぎてうまくいかないと予想されます。
オーグメンテーションはある程度精度が出ているモデルをさらに精度をよくするのには有用ですが、元々数枚程度しかバリエーションないものを水増しして1000枚にしたところで難しいのではないかと思います。

Deep Learning は数千、数万のサンプルを使ってパラメータを調整するという仕組みのものなので、サンプルが用意できないのであれば、画像処理など別のアプローチを考えたほうがよいと思います。

また画像はスマートフォン全体だけだと、もし一部が隠れてしまっているときは認識してくれないのでしょうか

データセットに一部が隠れているサンプルがあれば、検出されます。