Mengecek koneksi model...

Dokumentasi Training

Ringkasan proses training YOLOv8 dan Mask R-CNN menggunakan 2 GPU NVIDIA Tesla T4.

RiSID (River Surface Image Dataset)

RiSID (River Surface Image Dataset) terdiri dari 7.356 gambar asli yang direkam di 11 lokasi pada 7 sungai di Jepang selama kondisi aliran tinggi (high-flow conditions), dilengkapi dengan anotasi segmentasi piksel (pixelwise segmentation) untuk sampah plastik makro yang mengapung. Terdiri dari 7 kelas: Botol minuman, botol lainnya, wadah makanan, kantong belanja, tas lainnya, plastik lainnya, dan non-plastik. RiSID menyimpan anotasi dalam file JSON mengikuti format MS COCO, yang mencakup label kelas dan segmentation masks. Format MS COCO ini menjadi "jembatan" - karena compatible dengan metode YOLO dan Mask R-CNN. Dataset ini diterbitkan pada tahun 2025 oleh peneliti dari Ehime University, Jepang, dengan DOI: 10.1016/j.dib.2025.112189

Total Gambar 7.356
Total Anotasi 8.022
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