재활용 품목 분류를 위한 Object Detection

Naver BoostCamp AI Tech 4기 CV-19조 Object Detection 프로젝트

🏅리더보드(public) 14위/19팀중

🏅리더보드(Private) 14위/19팀중

1. 프로젝트 개요

📙 프로젝트 주제

• 카메라로 촬영한 9754장의 이미지를 통해 재활용품 위치에 해당하는 좌표를 추출하여 GT와의 mIoU를 평가

• 📆 대회 기간 : 2022.11.16 ~ 2022.12.01

• 🛠 개발 환경

  • 개발 환경 : VSCode, Jupyter Notebook, GPU(Tesla V100)
  • 협업 Tools : GitHub, Notion, Zoom

2. 팀원 소개

박민규

박제원

백하닮

유정호

서성관

👨‍👨‍👦‍👦 팀원 역할

팀원	역할
박민규	EfficientDet, FasterRCNN, kfold, ensemble
박제원	Stratified K-Fold, Swin Transformer(Base), Dataset Modification
백하닮	Cascade R-CNN, HTC(Hybrid Task Cascade)
유정호	EDA, YOLOv7
서성관	SwinT, ATSS(Adaptive Training Sample Selection)

3. Project

📌 Process

1. Problem Definition

   10개의 CLASS로 구분된 재활용품 OBJECT에 대해 위치를 검출하는 모델 구현하고 mAP로 성능평가

   Input : 쓰레기 객체가 담긴 이미지와 bbox 정보(좌표, 카테고리) (COCO Format) Output : bbox 좌표, 카테고리, score 값 (Pascal VOC Format)

2. EDA를 통한 Data Cleaning

• Annotation 면적
  • 각 Annotation의 면적을 Pixel단위로 계산해서 분포를 확인하고 이상치 삭제
• Annotation의 Width/Height 비율
  • 각 Annotation의 Width/Height비율을 계산해서 분포를 확인하고 이상치 삭제
• 동일한 Image에 대한 Annotation 수
  • 한 Image에 과도하게 Annotation된 Image에 대해 삭제
• 중복된 Image, Annotation 확인
  • 중복된 Annotation (동일 Class이면서, Coordinate까지 정확히 동일한 경우)삭제

3. Data Processing

• Stratified K-Fold
  • K=5, sklearn의 StratifiedGroupKFold를 이용해서 데이터셋 분할 (shuffle True, random_state 1)
• 3:1 비율로 분할
  • Battery class를 포함하는 image만 3:1비율로 랜덤하게 나눔. (가장 적은 수의 샘플을 가진 클래스)
  • 나머지 image도 3:1비율로 랜덤하게 나눔.

4. Modeling

• YOLOv7
  • Public score : 0.6542/Private score : 0.6354 (K-Fold)
  • Public score : 0.5731/Private score : 0.5519 (No K-Fold)
  • Augmentation : HSV-H/S/V, Mosaic, Flip Left/Right
• EfficientDet(tf_efficientdet_d4_ap)
  • Public score : 0.5752/Private score : 0.5585 (No K-Fold)
  • Augmentation : HorizontalFlip, VerticalFlip, RandomRotate90, CutOut, CutMix
• Cascade R-CNN
  • Public score : 0.4322/Private score : 0.4239 (No K-Fold/ResNext-101)
  • Public score : 0.4934/Private score : 0.4757 (No K-Fold/SwinT)
  • Augmentation : RandomFlip, Normalize
• Hybrid Task Cascade
  • Public score : 0.5057/Private score : 0.4906 (No K-Fold/SwinT-T-512)
  • Public score : 0.5556/Private score : 0.5329 (No K-Fold/SwinT-T-1024)
  • Public score : 0.5785/Private score : 0.5632 (No K-Fold/SwinT-L-512)
  • Public score : 0.5936/Private score : 0.5753 (No K-Fold/SwinT-L-1024)
  • Augmentation : RandomFlip, Normalize
• ATSS
  • Public score : 0.6316/Private score : 0.6099 (ensemble with HTC_swinL+yolo7+effdet)
  • Augmentation : RandomSizedBBoxSafeCrop, RandomBrightnessContrast, RandomFlip

5. Ensemble

• WBF for YOLOv7 + EfficientDet + Hybrid Task Cascade(SwinT-L-512) + Hybrid Task Cascade(SwinT-L-1024) + Cascade R-CNN

📈 Team Score Record

🏁 Result

• 🏅 Public Leaderboard

  

• 🏅 Private Leaderboard