[부스트캠프 AI Tech]WEEK 09_DAY 41

🌿 개별학습

---

[3] Object Detection Library

1. Object Detection 라이브러리

1) MMDetection

- 전체 프레임워크를 모듈 단위로 분리해 관리할 수 있음

- 많은 프레임워크를 지원함

- 다른 라이브러리에 비해 빠름

- Fast R-CNN, SSD, YOLO v3, DETR 등

2) Detectron2

- 전체 프레임워크를 모듈 단위로 분리해 관리할 수 있음

- OD 외에도 Segmentation, Pose estimation 등의 알고리즘을 지원함

- Faster R-CNN, RetinaNet, Mask R-CNN, DETR 등

 

2. MMDetection

1) Pytorch 기반의 Object Detection 오픈소스 라이브러리

2) Pipeline

- Input -> Backbone -> Neck -> Dense Prediction -> Prediction

3) 2 Stage 모델은 Backbone / Neck / DenseHead / RoIHead 모듈로 나눌 수 있음

4) Config File

- 데이터셋, 모델, schedular, optimizer 정의 가능

 

3. Detectron2

1) Pytorch 기반 라이브러리

2) Object Detection 외에도 Segmentation, Pose prediction 등 알고리즘 제공

3) Pipeline

- Setup Config / Setup Trainer / Start Training

---

---

🌿 오늘의 회고

오전에는 Object Detection 강의를 들었다. 아무래도 대회를 시작하려면 기본적인 지식을 습득하는 게 중요할거 같아서 강의 먼저 빠르게 들어보려고 노력중... 오후에는 우팀소가 있었는데 새로운 팀과 어떤 주제들로 최종 프로젝트를 준비하고 있는지 다른 팀들의 이야기를 들어볼 수 있었다. 오늘 컴퍼니 데이 있는 줄 알았는데 다행히도 다음 주였음..!! 강의와 연관된 실습하다가 training dataset 가지고 시각화 해보면 좋을거 같아서, wandb로 시각화하는 코드를 작성해보았다. 사실 알고 보니 train.json이 아니라 submission 파일로 시각화해서 결과가 엉뚱하게 나왔다..ㅋ-ㅋ 피어세션 때 어떤거 해볼지 이야기하고, 다시 코드를 처음부터 작성해보니 json 파이렝서 box 좌표 가져와서 wandb에 log로 보내고 그려보았다..! 사실 자꾸 안 되서 포기하고 다른 라이브러리를 써보려고 했는데 log로 넘길 때 오타가 있었어서 안 넘어가는 거였다........(ㅠ) 아무튼 성공했으니 의의를 두고... 코어 타임 끝나고는 멘토링 시간이 있었는데 이번 주 학습한 내용에 대해서 간단한 overview와 object detection 대회 관련 팁을 주셨다..! object detection은 처음 해보는 대회인지라 시작을 어떻게 해야할지 감도 잘 안 오고, 라이브러리의 코드들도 많아서 (0-0) <-- 이 상태였는데 조금씩 길이 보이는거 같기도 하다...

생각해보니 데이터셋은 비공개라서 대충 bounding box 그린 거에 의의를 두기....