이미 머지된 PR에 코드리뷰하는 방법이 있을까요?

https://arxiv.org/abs/1612.08242

https://s3.ap-northeast-2.amazonaws.com/deepbaksuvision/darknet19-deepbaksu.pth

아래 내용 알아보고, 공부하기
그리고 적용하기.

• python 버전은 3.6으로 고정하기

• mypy 사용하기.
  http://mypy-lang.org/
  https://item4.github.io/2017-09-14/Python-Typing-with-mypy/

• python makefile 알아보기
  https://github.com/kkweon/icarebot/blob/master/Makefile
  https://krzysztofzuraw.com/blog/2016/makefiles-in-python-projects.html

• pytest 알아보기
  https://twpower.github.io/15-install-pytest-and-basic-usage

• doctest 알아보기
  https://python-guide-kr.readthedocs.io/ko/latest/writing/tests.html

• pytest --cov 옵션 알아보기
  특정 폴더의 코드를 coverage 대상으로 지정

• isort 알아보기
  import 순서 정리
  https://pypi.org/project/isort/

• black 알아보기
  코드 정리
  https://github.com/ambv/black
  https://black.readthedocs.io/en/stable/

• pylint 알아보기
  https://github.com/kkweon/icarebot/blob/master/.pylintrc

• 개발환경 고정
  virtualenv

• pipreqs 알아보기
  requirements.txt 자동 생성
  https://github.com/bndr/pipreqs

1. Test data로 확인
2. Test data merge가 원하는 방식으로 되는지 확인

Measure distance를 교체할 수 있도록 짜기

1. Test data

   • PASCAL VOC 데이터 labeling loader 짜기

2. Test

   • PASCAL VOC 데이터 clustering 후, darknetv2 cfg 비교

pretrained weight를 가져와서 테스트해보니
input을 zero-mean으로 하면 안되고
그냥 그대로(?) to_tensor로 만들어야 정답이 제대로 나옵니다.

가령 아래와 같이 짜면 값이 안 나오고

dataset = dset.ImageFolder(root="samples/",
                           transform=transforms.Compose([
                               transforms.Resize((256,256)),
                               transforms.ToTensor(),       # Tensor로 바꾸고 (0~1로 자동으로 normalize)
                               transforms.Normalize(mean=[0.485, 0.456, 0.406],
                                                     std=[0.229, 0.224, 0.225]),
                           ]))

이렇게 해야합니다..

dataset = dset.ImageFolder(root="samples/",
                           transform=transforms.Compose([
                               transforms.Resize((256,256)),
                               transforms.ToTensor()      # Tensor로 바꾸고 (0~1로 자동으로 normalize)
                           ]))

https://github.com/pjreddie/darknet/blob/master/cfg/darknet19.cfg

darknet19.cfg 를 보면 마지막 conv_layer의 activation이 linear_layer 입니다.
이때 linear_layer의 정체는 뭘까요?
우선은 Torch.nn.modules.linear 으로 구현해놨습니다.

대충은 알겠는데 bias가 들어가는지가 제일 궁금하네요..
조만간 코드를 한번 뜯어보겠습니다.

We also shrink the network to operate on 416 input images instead of 448×448. We do this because we want an odd number of locations in our feature map so there is a single center cell. Objects, especially large objects, tend to occupy the center of the image so it’s good to have a single location right at the center to predict these objects instead of four locations that are all nearby. YOLO’s convolutional layers downsample the image by a factor of 32 so by using an input image of 416 we get an output feature map of 13 × 13

여기에서

we want an odd number of locations in our feature map
이 어떤 의미 인가요?

1. Test data

   • Visualizer 작동 확인
   • Augmentator Visualizer 짜기
   • Dataloader Visualizer 짜기

2. Test

   • visualizing했을 때, 결과 잘 나오는지 확인

1. Test data 만들기

   • 임의의 Box coordinates 생성

2. Test

   • IOU 정확히 나오는 지 확인

1. Darknet19 weight 가져오기
2. Post hoc transfer learning에 대해서 데모

이번에 네이버 AI Hackathon에서 멘토님에게 받은 조언 중 하나가 실험 시 random seed 설정
이었습니다! network 랜덤 초기화 등 다양한 random value 생성 시 seed를 정해주면
성능재현의 측면에서 좋다는 조언을 받았습니다!

windows에서는
filepath.split("/") 이 동작하지 않고
filepath.split("\") 으로 해야 잘 동작합니다.

https://stackoverflow.com/questions/22804002/how-to-split-path-with-slashes
가 대안이 될 수 있을 것 같습니다.

1. Test data만들기

   • 임의의 가우시안 분포 데이터 자동 generator

2. Test

   • K-mean cluster 동작시켜서 잘 Clustering하는지 확인

1. Forward output test 작성 후, 확인
2. Test 확인은 손으로 풀어본 값 맞추기

travis-ci와 연동을 위한 setting

1. Test data 만들기

   • 2개 이미지의 레이블 계산

2. Test data 통과하는지 확인

https://medium.com/@dasagrivamanu/python-naming-conventions-the-10-points-you-should-know-149a9aa9f8c7

1. Darknet 19 Backbone Network module 구현 (3일)
2. Detection Network 구현 (3일)
   완료 : 동작, shape 확인 및 명세 공지

YOLO v2 output에 맞춰서 label 만들기
reference는 재원님 명세 확인

1. Test data

   • 변환된 output tensor block GT visualizer 짜기

2. Test

   • 변환된 output tensor block과 실제 GT 비교

https://cs230-stanford.github.io/pytorch-getting-started.html#code-layout

이번 프로젝트에도 PEP8 적용 관련 스크립트가 추가되면 좋을 것 같습니다.