Skip to content

boostcampaitech4lv23cv3/level2_objectdetection_cv-level2-cv-19

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

25 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

intro

재활용 품목 분류를 위한 Object Detection

Naver BoostCamp AI Tech 4기 CV-19조 Object Detection 프로젝트

🏅리더보드(public) 14위/19팀중

🏅리더보드(Private) 14위/19팀중

1. 프로젝트 개요

📙 프로젝트 주제

  • 카메라로 촬영한 9754장의 이미지를 통해 재활용품 위치에 해당하는 좌표를 추출하여 GT와의 mIoU를 평가

  • 📆 대회 기간 : 2022.11.16 ~ 2022.12.01

  • 🛠 개발 환경

    • 개발 환경 : VSCode, Jupyter Notebook, GPU(Tesla V100)
    • 협업 Tools : GitHub, Notion, Zoom

2. 팀원 소개


박민규


박제원


백하닮


유정호


서성관

👨‍👨‍👦‍👦 팀원 역할

팀원 역할
박민규 EfficientDet, FasterRCNN, kfold, ensemble
박제원 Stratified K-Fold, Swin Transformer(Base), Dataset Modification
백하닮 Cascade R-CNN, HTC(Hybrid Task Cascade)
유정호 EDA, YOLOv7
서성관 SwinT, ATSS(Adaptive Training Sample Selection)

3. Project

📌 Process

  1. Problem Definition

    10개의 CLASS로 구분된 재활용품 OBJECT에 대해 위치를 검출하는 모델 구현하고 mAP로 성능평가

    Input : 쓰레기 객체가 담긴 이미지와 bbox 정보(좌표, 카테고리) (COCO Format) Output : bbox 좌표, 카테고리, score 값 (Pascal VOC Format)

ObjectDetection

  1. EDA를 통한 Data Cleaning
  • Annotation 면적
    • 각 Annotation의 면적을 Pixel단위로 계산해서 분포를 확인하고 이상치 삭제
  • Annotation의 Width/Height 비율
    • 각 Annotation의 Width/Height비율을 계산해서 분포를 확인하고 이상치 삭제
  • 동일한 Image에 대한 Annotation 수
    • 한 Image에 과도하게 Annotation된 Image에 대해 삭제
  • 중복된 Image, Annotation 확인
    • 중복된 Annotation (동일 Class이면서, Coordinate까지 정확히 동일한 경우)삭제
  1. Data Processing
  • Stratified K-Fold
    • K=5, sklearn의 StratifiedGroupKFold를 이용해서 데이터셋 분할 (shuffle True, random_state 1)
  • 3:1 비율로 분할
    • Battery class를 포함하는 image만 3:1비율로 랜덤하게 나눔. (가장 적은 수의 샘플을 가진 클래스)
    • 나머지 image도 3:1비율로 랜덤하게 나눔.
  1. Modeling
  • YOLOv7
    • Public score : 0.6542/Private score : 0.6354 (K-Fold)
    • Public score : 0.5731/Private score : 0.5519 (No K-Fold)
    • Augmentation : HSV-H/S/V, Mosaic, Flip Left/Right
  • EfficientDet(tf_efficientdet_d4_ap)
    • Public score : 0.5752/Private score : 0.5585 (No K-Fold)
    • Augmentation : HorizontalFlip, VerticalFlip, RandomRotate90, CutOut, CutMix
  • Cascade R-CNN
    • Public score : 0.4322/Private score : 0.4239 (No K-Fold/ResNext-101)
    • Public score : 0.4934/Private score : 0.4757 (No K-Fold/SwinT)
    • Augmentation : RandomFlip, Normalize
  • Hybrid Task Cascade
    • Public score : 0.5057/Private score : 0.4906 (No K-Fold/SwinT-T-512)
    • Public score : 0.5556/Private score : 0.5329 (No K-Fold/SwinT-T-1024)
    • Public score : 0.5785/Private score : 0.5632 (No K-Fold/SwinT-L-512)
    • Public score : 0.5936/Private score : 0.5753 (No K-Fold/SwinT-L-1024)
    • Augmentation : RandomFlip, Normalize
  • ATSS
    • Public score : 0.6316/Private score : 0.6099 (ensemble with HTC_swinL+yolo7+effdet)
    • Augmentation : RandomSizedBBoxSafeCrop, RandomBrightnessContrast, RandomFlip
  1. Ensemble
  • WBF for YOLOv7 + EfficientDet + Hybrid Task Cascade(SwinT-L-512) + Hybrid Task Cascade(SwinT-L-1024) + Cascade R-CNN

📈 Team Score Record

mAP_score

🏁 Result

  • 🏅 Public Leaderboard

    mAP_score
  • 🏅 Private Leaderboard

    mAP_score

About

부스트캠프 AI Tech 4기 CV-19조 Object Detection 프로젝트

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published