pseudo_dataset_beta1.0 베타테스터를 모집합니다!

[ark10806]

Teacher models LB.674

- [LB.603] UniverseNet_r101 
- [LB.636] swinB_cascade_rcnn with few pseudo labeled data 
- [LB.661] swinB_cascade_rcnn with multi-valued-scaling 

• 10.07(목) 기준 AP50 성능이 높게 평가된 모델들의 inference.csv를 앙상블하여 나온 결과물로 pseudo dataset(이하 pse)를 구성하였습니다.
• confidence가 0.98이 넘는 bbox를 pse로 사용합니다.

beta 1.0

• 10.05(화) 모델LB.657과 10.07(목) 모델 LB.674에서 얻은 pse의 객체 수는 각각 1761, 3161개로 더욱 많은 pse를 확보했습니다.
• 초기 구상은 k-fold cross validation 형식으로 pse를 구성하는 것이었으나, 아래의 사항을 고려하여 k-fold는 적용하지 않았으며, 성능 개선이 확인된다면 이후 k-fold를 적용한 pse 구성 예정입니다.
  • 현재까지 pse적용한 모델의 성능 개선이 확인된 바 없음
  • 기존 준수님께서 확인해주신 pse비교는 train, val이 섞인 문제점이 발견되어 pse 성능 개선 여부 확인 불가능함
  • pse의 성능 개선 여부가 확인되지 않은 상태에서 k-fold로 학습을 진행하기에는 시간이 충분치않다고 판단됨
• 문경님께서 구성해주신 기본데이터k-fold에서 fold1을 기반으로 pse를 구성하였습니다.

Contents

• 새로운 pse images
• pse_cv_train1.json
  • cv_train1.json + pure_pseudo.json, (3917 + 1578) = 5495
• cv_val1.json
• test.json

Download

[full]: ready meal, 1.46GB

wget http://pred.ga/AI_Tech/ObjDetection/Datasets/pseudo_dataset_beta1.0_full.zip

[light]: without train & test images, 378.4MB

wget http://pred.ga/AI_Tech/ObjDetection/Datasets/pseudo_dataset_beta1.0_light.zip

[ark10806]

swinB_cascade_rcnn으로 확인 결과, pseudo data는 CV 및 LB에서 성능 개선이 없는 것으로 확인되었습니다. 앞으로의 진행 사항은 YOLO v5, k-fold cross validation으로 생각 중입니다.