Open Dong-Uri opened 9 months ago
대회로서는 최종 제출용 학습시 image size를 (512,512)에서 (1024,1024)로 한다면 작은 사이즈도 학습이 잘 될 것 같습니다. 일정 threshold 미만의 사이즈를 가진 bbox에 대해서 그 영역을 crop하여 다시 detecting을 해보는 방법이 있을 것 같습니다.
이후에 모델을 선정할 때도 작은 객체를 잘 검출 할 수 있는 것을 선택하면 좋을 것 같습니다.
small mAP가 높은 모델에 대해서 앙상블 가중치를 주는 방법도 있겠네요.
실험하다 생각난건데, 저희 hook 파라미터에서 현재 save_best='coco/bbox_mAP_50'로 설정하고 있는데 이것을 coco/bbox_mAP_s로 변경해서 pth 저장 후 해당 모델에 대해 mAP_s의 가중치를 높게 주는 앙상블을 한다는 가설... 시간이 있다면 한번 해보고 싶긴 하네요 ㅎㅎ
📌 Description
학습할 때마다 valid set으로 평가를 할때마다 작은 객체의 점수가 확연히 낮은 것이 보입니다. 혹시 작은 객체에 대한 AP 성능을 올릴 수 있는 아이디어가 있으면 말해주시면 감사하겠습니다.
✅ CheckList
📁 Reference