Dokumentasi Training
Ringkasan proses training YOLOv8 dan Mask R-CNN menggunakan 2 GPU NVIDIA Tesla T4.
Dataset ini terdiri dari 7.356 gambar asli yang direkam dengan kondisi aliran bervariasi (multi-flow conditions), dilengkapi dengan anotasi segmentasi piksel (pixelwise segmentation) untuk sampah padat yang mengapung di permukaan air. Terdiri dari 7 kelas: botol plastik, kantong plastik, styrofoam, kaleng logam, tekstil, sampah organik, dan latar belakang bersih. Dataset ini menyimpan anotasi dalam file JSON mengikuti format MS COCO, yang mencakup label kelas dan segmentation masks.
Komposisi Split Dataset
Train
Gambar
5.149
Anotasi
5.600
70.0%
Val
Gambar
1.103
Anotasi
1.229
15.0%
Test
Gambar
1.104
Anotasi
1.193
15.0%
YOLOv8 Training
GPU T4 ×2 On
Session
5h:22m
12 hours
Disk
404.6MiB
Max 57.6GiB
CPU
CPU
396.00%
Skala bar: 0-400%
RAM
15GiB
Max 30GiB
GPU
GPU #1
GPU
97.00%
GPU Memory
6.9GiB
Max 15GiB
GPU #2
GPU
100.00%
GPU Memory
6.9GiB
Max 15GiB
Mask R-CNN Training
GPU T4 ×2 On
Session
8h:19m
12 hours
Disk
715.5MiB
Max 57.6GiB
CPU
CPU
100.00%
Skala bar: 0-400%
RAM
9.2GiB
Max 30GiB
GPU
GPU #1
GPU
100.00%
GPU Memory
12GiB
Max 15GiB
GPU #2
GPU
0.00%
GPU Memory
3MiB
Max 15GiB