83 lines
1.6 KiB
Markdown
83 lines
1.6 KiB
Markdown
# Aggiornamento 2026-05-17 11:21
|
|
|
|
## Fine-tuning YOLO OCR completato
|
|
|
|
Sono state convertite le annotazioni Label Studio del progetto:
|
|
|
|
```text
|
|
project_id=4
|
|
nome=addestramento ocr
|
|
```
|
|
|
|
Dataset YOLO creato:
|
|
|
|
```text
|
|
C:\devel\yolo-ocr\dataset
|
|
```
|
|
|
|
Split:
|
|
|
|
```text
|
|
images=26
|
|
boxes=156
|
|
train=19
|
|
val=5
|
|
test=2
|
|
```
|
|
|
|
Training lanciato inizialmente su GPU, ma fallito per incompatibilita':
|
|
|
|
```text
|
|
GPU: NVIDIA GeForce GTX 1050
|
|
problema: PyTorch installato non supporta compute capability sm_61
|
|
errore: CUDA error: no kernel image is available for execution on the device
|
|
```
|
|
|
|
Training rilanciato e completato su CPU:
|
|
|
|
```powershell
|
|
yolo detect train data=C:\devel\yolo-ocr\dataset\data.yaml model=yolov8n.pt epochs=60 imgsz=640 batch=4 workers=0 device=cpu project=C:\devel\yolo-ocr\training_runs name=digits_yolov8n_demo_cpu patience=15 seed=42
|
|
```
|
|
|
|
Risultati finali su validation:
|
|
|
|
```text
|
|
precision: 0.603
|
|
recall: 0.556
|
|
mAP50: 0.753
|
|
mAP50-95: 0.582
|
|
```
|
|
|
|
Risultati su test:
|
|
|
|
```text
|
|
images: 2
|
|
boxes: 12
|
|
precision: 0.535
|
|
recall: 0.771
|
|
mAP50: 0.752
|
|
mAP50-95: 0.488
|
|
```
|
|
|
|
Artefatti stabili copiati in:
|
|
|
|
```text
|
|
C:\devel\yolo-ocr\models\udc_digits_yolov8n_demo.pt
|
|
C:\devel\yolo-ocr\models\udc_digits_yolov8n_demo.onnx
|
|
```
|
|
|
|
Riepilogo tecnico:
|
|
|
|
```text
|
|
C:\devel\yolo-ocr\TRAINING_SUMMARY.md
|
|
```
|
|
|
|
Interpretazione:
|
|
|
|
- il fine-tuning funziona;
|
|
- il modello addestrato e' molto piu' promettente del modello generico provato ieri;
|
|
- l'export ONNX funziona;
|
|
- il dataset e' pero' ancora troppo piccolo;
|
|
- la metrica mAP e' incoraggiante, ma ora serve misurare la lettura del codice intero, perche' per il WMS una sola cifra sbagliata rende errato tutto il codice UDC.
|
|
|