코딩하는 해맑은 거북이

본 게시물의 내용은 '부스트캠프 AI Tech lv2' Object Detection 대회를 마치고 작성하였다. Object Detection 대회를 마치며... 해당 대회는 쓰레기를 Detection 하여 분리수거하는 모델을 만드는 것이다. 쓰레기는 General trash, Paper, Paper pack, Metal, Glass, Plastic, Styrofoam, Plastic bag, Battery, Clothing 으로 총 10개의 클래스를 구분하는 문제이다. 총 9754장의 일상에서 찍은 데이터셋을 제공해주었고, 전체 데이터셋 중 4883장은 train, 4871장은 test 데이터셋으로 활용된다. 평가방법은 mAP50(Mean Average Precision)이다. - 프로젝트 전체 기간 ..

피어세션 저번주와 같이 대회와 관련하여 앞으로의 계획에 대해 주로 얘기를 나눴고, StyleGAN 논문 리뷰를 진행하였고, 저번주에 계획한 주 2회 1시간씩 논문을 읽는 시간을 모두 잘 지켰던 것 같다. 그리고, 대회를 마무리하며 github 정리와 랩업 리포트를 어떻게 작성할지 계획하였다. 그리고 저번주에 WGAN이 어려웠어서 StyleGAN으로 리프레쉬하였는데.. 한 주마다 번갈아가며 어려운 것도 맞아보기로 했다..! 한 주 회고 더보기 (+) : 잘했던것, 좋았던것, 계속할것 (-) : 잘못했던것, 아쉬운것, 부족한것 -> 개선방향 (!) : 도전할 것 (etc) : 기타 등등 (느낀점) (+) 마지막까지 적극적으로 커뮤니케이션에 참여하여 협업을 위주로 대회를 마무리 한 점이 기억에 남는다. (-)..

피어세션 Object Detection 대회를 진행하는데, 해봐야할 실험들에 대해 역할을 분담하고 이에 대한 결과를 공유하는 시간을 주로 가졌었고, EDA를 통한 가설과 해결방안을 생각해보았다. 또한, GAN 공부를 꾸준히 진행하기 위해 WGAN 논문 리뷰를 진행하였다. 그리고 대회 준비로 인해 논문 리뷰를 소홀하게 하는 것 같아, 주 2회 1시간씩 그때는 다른 것을 하지않고 정해진 논문만을 읽는 것으로 계획을 세웠다. 한 주 회고 더보기 (+) : 잘했던것, 좋았던것, 계속할것 (-) : 잘못했던것, 아쉬운것, 부족한것 -> 개선방향 (!) : 도전할 것 (etc) : 기타 등등 (느낀점) (+) 이번 프로젝트의 목표인 협업을 위해 계획적인 실험과 결과를 노션을 통해 바로바로 공유한 점이 좋았고, 팀원..

강의 내용 - Object Detection 이번주는 Object Detection 대회를 시작하여, 이와 관련된 내용의 강의 구성으로 되어있었다. Object Detection은 이전에도 많이 접해봤었지만, 이번에 알찬 강의로 새롭고 많은 것들을 배운 것 같다. 또한, 강의에서 성능을 개선하는데 시도해볼 것들을 많이 알려주어서, 어떤 것을 해야할 지 막히진 않을 것 같다는 생각이 들었다. 피어세션 lv2 팀원들과 드디어 함께 시작한 한 주였다. 새로운 팀이 구성되어 각 팀을 소개하는 '우리 팀을 소개합니다' 활동이 있었어서, 우리팀의 그라운드룰과 팀 목표에 대한 PPT를 같이 구상하였다. 또한, 팀 Notion 페이지를 만들었고 하루하루 지날 때마다 필요한 것을 추가하여 현재는 꽉찬 노션페이지가 된 것..

본 게시물의 내용은 '부스트캠프 AI Tech - Object Det(송원호)' 강의를 듣고 작성하였다. 해당 글은 아래의 8가지를 다룬다. 📌 Cascade RCNN 📌 Deformable Convolutional Networks (DCN) 📌 Transformer 📌 YOLO v4 📌 M2Det 📌 CornerNet 📌 CenterNet 📌 FCOS 📌 Cascade RCNN 🔷 Motivation 1) Input IoU가 높을수록 높은 IoU threshold 에서 학습된 model이 더 좋은 결과를 낸다. 2) 전반적인 AP의 경우 IoU threshold 0.5로 학습된 model이 성능이 가장 좋다. 그러나 AP의 IoU threshold가 높아질수록 (ex. AP70, AP90) IoU th..

본 게시물의 내용은 '부스트캠프 AI Tech - Object Det(송원호)' 강의를 듣고 작성하였다. 해당 글은 아래의 3가지를 다룬다. 📌 Efficient in Object Detection 📌 EfficientNet 📌 EfficientDet 📌 Efficient in Object Detection 🔷 등장배경 Efficient는 더 높은 정확도와 효율성을 가지면서 ConvNet의 크기를 키우는 방법(Scale up)은 없을까에서 등장하였고, 네트워크의 폭(width), 깊이(depth), 해상도(resolution) 모든 차원에서의 균형을 맞추는 것이 중요하다는 것을 보여주었다. 그리고 이러한 균형은 각각의 크기를 일정한 비율로 확장하는 것으로 달성할 수 있었다. → Width Scaling,..