이미지에 존재하는 재활용 쓰레기 10 개 클래스의 Object Detection Task의 mIoU 향상
- 전체 이미지 개수 : 9754장(train: 4883, test: 4871)
- 클래스: General trash, Paper, Paper pack, Metal, Glass, Plastic, Styrofoam, Plastic bag, Battery, Clothing
- 이미지 크기 : (1024, 1024)
- annotation: coco format
- 단일 모델 성능 : 0.6103→0.5987 (Swin_transformer-ATSS)
- Ensemble 후 (public → private)
- 0.6810 → 0.6635 : swin-l, yoloV5, yoloV7의 f0~4와 pseudo label 총 30개 WBF Ensemble
- 0.6776 → 0.6602 : swin-l, yoloV5, yoloV7의 f0~4 총 15개 WBF Ensemble
- 0.6756 → 0.6587 : swin-l f0,f2,f4와 yoloV5 f0
4 yoloV7 f04 총 13개 WBF Ensemble
📂 level2_objectdetection_cv-level2-cv-01
│
├── 📂 mmdetection
│ │
│ ├── 📂 config
│ │ │
│ │ ├── 📂 __base__
│ │ │ ├── 📂 datasets
│ │ │ │ ├── 📑 coco_detection.py
│ │ │ │ ├── 📑 coco_detection_classbalanceddataset.py
│ │ │ │ ├── 📑 coco_detection_cutout.py
│ │ │ │ ├── 📑 coco_detection_heavy.py
│ │ │ │ ├── 📑 coco_detection_mixup.py
│ │ │ │ ├── 📑 coco_detection_mosaic.py
│ │ │ │ └── ...
│ │ │ ├── 📂 models
│ │ │ │ ├── 📑 faster_rcnn_r50_fpn.py
│ │ │ │ ├── 📑 faster_rcnn_r50_fpn_ciou.py
│ │ │ │ ├── 📑 faster_rcnn_r50_fpn_diou.py
│ │ │ │ └── ...
│ │ │ ├── 📂 schedules
│ │ │ │ └── 📑 schedule_1x.py
│ │ │ └── 📑 default_runtime.py
│ │ │
│ │ ├── 📑 atss_swin-l-p4-w12_fpn_dyhead_mstrain_2x_coco.py
│ │ ├── 📑 faster_rcnn_r50.py
│ │ ├── 📑 faster_rcnn_swin.py
│ │ ├── 📑 swin_large_dyhead_base.py
│ │ └── ...
│ │
│ ├── 📂 mmdet
│ │
│ └── 📂 tools
│ ├── 📑 train.py
│ ├── 📑 test.py
│ ├── 📑 test_csv.py
│ └── ...
│
├── 📂 utils
│ ├── 📂 convert2Yolo
│ │ ├── example.py
│ │ └──...
│ ├── 📑 CV_strategy.ipynb
│ ├── 📑 EDA.ipynb
│ ├── 📑 confusion_matrix.py
│ ├── 📑 csv_csv.ipynb
│ ├── 📑 csv_json.ipynb
│ ├── 📑 ensemble.ipynb
│ ├── 📑 image_split.ipynb
│ ├── 📑 modify_precision.ipynb
│ ├── 📑 pseudolabeling.ipynb
│ ├── 📑 split_for_yolodata.ipynb
│ └── 📑 tile_combine.ipynb
│
├── 📂 yolov5
│ │
│ ├── 📂 data
│ │ ├── 📂 hyps
│ │ │ ├── 📑 hyp.scratch_high.yaml
│ │ │ ├── 📑 hyp.custom.yaml
│ │ │ └── ...
│ │ ├── 📑 custom_data.yaml
│ │ ├── 📑 custom_data_fold1.yaml
│ │ └── ...
│ │
│ ├── 📂 models
│ │ ├── 📑 yolo.py
│ │ ├── 📑 yolo5l-custom.yaml
│ │ └── ...
│ │
│ ├── 📂 utils
│ │ └── ...
│ │
│ ├── 📑 train.py
│ ├── 📑 hubconf.py
│ ├── 📑 inference.ipynb
│ └── ...
│
└── 📂 yolov7
│
├── 📂 cfg
│ ├── 📂 baseline
│ │ ├── 📑 yolor-w6.yaml
│ │ ├── 📑 yolov3.yaml
│ │ └── ...
│ ├── 📂 deploy
│ │ ├── 📑 yolov7-w6.yaml
│ │ ├── 📑 yolov7.yaml
│ │ │ └── ...
│ └── 📂 training
│ ├── 📑 yolov7-w6.yaml
│ ├── 📑 yolov7.yaml
│ └── ...
├── 📂 data
│ ├── 📑 coco.yaml
│ ├── 📑 hyp.scratch.custom.yaml
│ └── ...
├── 📂 models
│ ├── 📑 yolo.py
│ └── ...
│
├── 📂 utils
│ └── ...
│
├── 📑 train.py
├── 📑 train_aux.py
├── 📑 hubconf.py
├── 📑 inference.ipynb
└── ...
https://github.com/open-mmlab/mmdetection
cd mmdetection
pip install -r requirements.txtpython tools/train.py \
configs/{config 파일명}python tools/test_csv.py \
configs/{config 파일명} \
work_dirs/{config 파일명}/{checkpoint 파일명} \
--eval bboxhttps://github.com/ultralytics/yolov5
cd yolov5python train.py --weights {pretrained_weight} --cfg {custom_model_config} --data{custom_data} --hyp {custom_hyp_yaml}https://github.com/WongKinYiu/yolov7
cd yolov7
python train.py --weights {pretrained_weight} --cfg {custom_model_config} --data{custom_data} --hyp {custom_hyp_yaml}
python train_aux.py --weights {pretrained_weight} --cfg {custom_model_config} --data{custom_data} --hyp {custom_hyp_yaml}
| 김범준 | 백우열 | 조용재 | 조윤재 | 최명헌 |
|---|---|---|---|---|
 |
 |
 |
 |
 |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent