boostcampaitech4lv23cv1 / level2_semanticsegmentation_cv-level-cv-02 Goto Github PK

Background

• 추후 우리가 사용할 모델 조사를 위하여, 노션의 페이지에 템플릿을 채워넣습니다.

재현 방법

• 노션 페이지에 5개의 모델을 해당 템플릿에 맞게 적어놓습니다.

To Do

• Notion page에 각자 조사한 모델을 조사해놓습니다.

Refer to

https://www.notion.so/Segmentation-75dbd36c267445ab8cfc585bc09b0cbb

Background

• 각 라벨 별 mask 정보 시각화

재현 방법

• label별 이미지 정보를 저장하고 jupyter notebook 환경에서 ipywidget을 활용해 이미지별 마스크 정보를 시각화하는 코드를 작성합니다.

To Do

• label split
• gui

Background

• 현재의 baseline엔 wandb가 연결되어있지 않아, 이를 연동하고자 합니다.
• 그 외에도, 기존 training은 val_loss를 기준으로 best.pth를 연결하는데, 이를 mIoU 기준으로 수정하고자 합니다.
• 사소한 수정으로, tqdm의 prefix를 고치고자 합니다.

(22.12.25 Update)

• mmseg 계열에서의 wandb 연동을 위한 코드를 추ㅏ했습니다.

재현 방법

• pip install wandb
• pip install webcolors
• wandb login
• 이후 wandb를 이용하시면 됩니다.

To Do

• wandb 연결
• val_loss로 best.pth를 저장하는 부분을 mIoU 기준으로 고치기
• Top loss sample에 대한 error case analysis 구현

Reviewers

• mmseg 계열의 경우 wandb_track.py, wandb_vizualize.sh 파일을 통해 구현해놨습니다.
• 아직 baseline은 구현하지 않았습니다.

Background

• mmsegmentation을 연동하며, 그와 관련된 환경설정 쉘 스크립트 파일을 구현합니다.

재현 방법

• 크게 다음과 같은 작업이 필요합니다.
• input/code/utils 폴더 밑의 prepare_mmseg_settings.sh 를 실행시켜 이미지를 mmseg 형식에 맞게 변형
• 새로운 가상환경을 만들기
• 가상환경을 activate한 후, 홈 폴더의 mmseg_environment.sh로 mmsegmentation 환경 구축하기

TODO

• 데이터 나눠주고 옮겨주는 쉘 스크립트 구현
• mmseg 의존성을 고려하여 다 설치해주는 쉘 스크립트 만들기
• .gitignore 갱신하기 => 우선은 git add -f로 임시방편으로 add했습니다.

Background

• 현재 baseline 코드는 여러 코드의 기능이 뒤섞여있습니다.
• 이 점을 고려하여, dataset.py, train.py, inference.py 등 각각의 역할로 코드를 쪼개고자 합니다.

재현 방법

• python train.py에 argparse 옵션을 지정합니다.
• python inference.py에 argparse 옵션을 지정합니다.
• 추가적으로 tuning하고 싶은 요소는 dataset.py, augmentation.py 등에서 수정해줍니다.

To Do

• 베이스라인의 코드를 잘 구분하여 프로젝트 템플릿화
• 각 코드의 역할을 README.md에 적어서 push

Background

• CosineAnnealingLR 사용시 오류 발생

재현 방법

• train 시 script에서 scheduler에 아무 문자 입력

To Do

• CosineAnnealingLR 파라미터 수정
• script scheduler 설명 수정

  else 아닌 elif로 타고 가도록

Background

• Data imbalance가 심한 상황에서 image를 random Kfold가 아닌 category를 기준으로 CV하는 것이 필요

재현 방법

• opt/ml에서 stritified_kfold 폴더 밑에 kfold.py 두기
• 터미널에서 python stratified_kfold/kfold.py 실행 (default random.seed(7), n_split = 5로 고정해 놓았음)

To Do

• code push