object-detection-level2-cv-03

1. Introduction

본 과정은 NAVER Connect 재단 주관으로 인공지능과 딥러닝 Production의 End-to-End를 명확히 학습하고 실무에서 구현할 수 있도록 훈련하는 약 5개월간의 교육과정입니다. 전체 과정은 이론과정(U-stage, 5주)와 실무기반 프로젝트(P-stage, 15주)로 구성되어 있으며, 두 번째 대회인 Object detection과제에 대한 Level2 - 03조 의 문제해결방법을 기록합니다.

🧙‍♀️ Dobbyision - 도비도비전잘한다

”도비도 비전을 잘합니다”

🔅 Members

김지수	박승찬	박준수	배지연	이승현	임문경	장석우

Github	Github	Github	Github	Github	Github	Github

🔅 Contribution

김지수 Data Synthesis • Model Searching • Model Experiment
박승찬 Custom Dataset • Pseudo Labeling • Model Searching • Model Experiment • Ensemble
박준수 Data Synthesis • Model Searching • Model Experiment • Ensemble
배지연 Model Evaluation • Document Recording
이승현 EDA • Modeling • Model Experiment • Ensemble
임문경 EDA • Data Augmentation • Model Searching • Model Experiment
장석우 EDA • Modeling • Model Experiment • Ensemble

2. Project Outline

competition_title

Task : Object detection
Date : 2021.09.27 - 2021.10.15 (3 weeks)
Description : 쓰레기 사진을 입력받아서 일반 쓰레기, 플라스틱, 종이, 유리 등를 추측하여 10개의 class로 분류하고 박스의 영역을 구합니다.
Image Resolution : (1024 x 1024)
Train : 4,833
Test : 4,871

objecteda

🏆 Final Score

3. Solution

process

KEY POINT

클래스의 불균형 문제가 모델의 성능에 큰 영향을 미치지 않습니다
오히려 객체의 수가 가장 많은 Paper 클래스에 대한 AP가 낮게 평가됩니다.
Small object 문제를 해결하는게 핵심입니다.

→ 주요 논점을 해결하는 방법론을 제시하고 실험결과를 공유하며 토론을 반복했습니다

Checklist

More Detail : https://kr.object.ncloudstorage.com/resume/boostcamp/CV3%EC%A1%B0%20%EB%B0%9C%ED%91%9C.pdf

[x] Test Time Augmentation
[x] Ensemble(Universenet, Swin, YoloR, Yolov5 등)
[x] Augmentation(background patches, cutmix)
[x] Multi-scale learning
[x] Oversampling
[x] Custom anchor ratio
[x] Pseudo labeling
[x] Collage
[x] Stratified Kfold
[x] Transfer learning(2 stage training)
[ ] Ray
[ ] Semi-supervised learning

Evaluation

Method	mAP	K-fold
cascade RCNN + swin	0.677	0.704
CBNet	0.584	-
UniverseNet	0.594	0.604
YoloR	0.611	-
Yolov5	0.572	-
VFNet	0.562	-
HTC	0.647	-

4. How to Use

.
├──/dataset
|   ├── train.json
|   ├── test.json
|   ├── /train
|   ├── /test
├──/object-detection-level2-cv-03
│   ├── utils
│   ├── model1
│         ├── config.py
│         └── readme.md
│   ├── model2
│         ├── config.py
│         └── readme.md

model안에는 각각 config.py • readme.md가 들어있습니다
utils 에는 앙상블, stratified k-fold, cutmix, 콜라주 기법 등 자체 구현한 util 모듈들이 포함되어 있습니다.
사용자는 전체 코드를 내려받은 후 설명서에 따라 옵션을 지정하여 개별 라이브러리의 모델을 활용할 수 있습니다
각 라이브러리의 구성요소는 readme.md에서 확인할 수 있습니다

boostcampaitech2 / object-detection-level2-cv-03

readme