Detectron2 분석글

[lsh3163]

링크 : https://detectron2.readthedocs.io/en/latest/_modules/detectron2/model_zoo/model_zoo.html

Detectron2에서 제공하는 COCO Dection 백본은 크게 세 가지가 있습니다.

• COCO Detection with Faster R-CNN
• COCO Detection with RetinaNet
• COCO Detection with RPN and Fast R-CNN

저희가 제공받은 베이스라인 백본은 COCO-Detection/faster_rcnn_R_101_FPN_3x 입니다. 아래 링크에 COCO2017에 대한 모델별 성능 지표가 있습니다. 속도는 고려하지 않고 AP만 고려하면 가장 좋은 옵션은 faster_rcnn_X_101_32x8d_FPN_3x.yaml은 AP가 43.0 이니까 베이스라인이 41.0인 것에 비해 바꿔볼만한 옵션입니다. 문득 COCO2017의 SOTA 모델은 뭘까라는 것이 궁금해졌고 paperswithcode를 찾아본 결과는 다음과 같습니다. 링크 : https://paperswithcode.com/sota/object-detection-on-coco

Extra dataset을 사용한 모델을 제외하고 본다면 Dual-Swin-L이 가장 좋은 mAP 성능을 가지고 있습니다. 하지만 test set도 같이 써서 추론을 한다는 면에서 본다면 Soft Teacher+Swin-L(HTC++, multi-scale) 가 가장 좋은 옵션입니다. mAP가 60대라고 하니 유의미한 차이가 있는 걸로 보입니다.

• 다시 돌아와서 Augmentation은 Affine과 간단한 질감에 Augmentation을 줄 수 있습니다. (금일 실험 예정)
• Class imbalance 문제 Offline으로 해야겠다는 생각이 들었습니다.