• 대회 기간 : 2022.03.21 ~ 2022.04.08
• 목적 : 재활용 품목 분류를 위한 Object Detection

'쓰레기 대란', '매립지 부족'과 같은 여러 사회 문제가 나오고 있다. 분리수거는 이러한 환경 부담을 줄일 수 있는 방법 중 하나이다. 잘 분리배출 된 쓰레기는 자원으로서 가치를 인정받아 재활용되지만, 잘못 분리배출 되면 그대로 폐기물로 분류되어 매립 또는 소각되기 때문이다. 따라서 우리는 사진에서 쓰레기를 Detection 하는 모델을 만들어 이러한 문제점을 해결하고자 한다.

• 전체 이미지 개수 : 9754장 (train 4883 장, test 4871 장)
• 10개 클래스 : General trash, Paper, Paper pack, Metal, Glass, Plastic, Styrofoam, Plastic bag, Battery, Clothing
• 이미지 크기 : (1024, 1024)

• 김영운 : Faster R-CNN(ResNeXt), Guided-Anchoring-Faster 설계, Mosaic augmentation 실험
• 이승현 : EfficientDet, DetectoRS 모델 실험, Input size & augmentation 실험, anchor scale 실험
• 임서현 : HTC(ResNeXt), YOLOv5, UniverseNet, Deformable DETR 설계 및 실험, Ensemble
• 전성휴 : CenterNet, TridentNet, TOOD 등 모델 실험, 앙상블 종류 실험
• 허석용 : HTC, Cascade, Faster R-CNN(SwinT) 설계 및 실험, TTA, Pseudo labeling 기법 설계

1-stage detector

• EfficientDet → 5 fold ensemble → 0.5217
• YOLOv5 → 0.4543 → 5fold & pseudo → 0.6071
• UniverseNet → 0.6128 ​​→ 5fold → 0.6466

2-stage detector

• Guided-Anchroing-Faster-ResNeXt → 0.548 →pseudo→ 0.582
• DetectoRS → 0.553
• Swin-tiny Faster R-CNN → 0.516
• Swin-small Cascade R-CNN → 0.597
• Swin-base Hybrid Task Cascade R-CNN → 0.6393
• Swin-large Cascade R-CNN → 0.629

• MMDetection
• YOLOv5
• Swin Transformer
• UniverseNet