Skip to content

Latest commit

 

History

History
117 lines (91 loc) · 3.59 KB

README.md

File metadata and controls

117 lines (91 loc) · 3.59 KB
Raw

📃 프로젝트 개요

합성데이터란 실제 환경에서 수집되거나 측정되는 것이 아니라 디지털 환경에서 생성되는 데이터셋으로, 최근 방대한 양질의 데이터셋이 필요해짐에 따라 그 중요성이 대두되고 있습니다. 이러한 합성데이터를 활용하여 자동차 탐지를 수행하여, 34가지의 자동차 세부모델까지 판별하는 AI 모델을 개발하는 대회입니다.


💾 데이터셋

  • 전체 이미지 개수 : 9754장 (Training : 6481장, Test : 1700장)
  • 34 class : chevrolet_malibu_sedan_2012_2016, chevrolet_malibu_sedan_2017_2019, ..., ssangyong_tivoli_suv_2016_2020
  • 이미지 크기 : (1920, 1040)

✏ 프로젝트 수행 방법


Data Preprocessing

  • StratifiedGroupKFold

  • Heavy Augmentation

  • Validation Augmentation for Synthetic data

    💡 validation aug를 주어 실제 test data와 유사한 노이즈를 가지도록 하기
    • 문제상황 : 합성 데이터로 train과 validation을 나누어 진행하여, test 데이터와 차이 발생
      1. 합성 데이터 그대로 학습을 진행하게 되면 2 에포크 정도만 돌아도 모든 score가 만점을 받게 된다.
      2. 이렇게 만점을 받아도 real 데이터인 test 데이터에서의 점수는 높지 않다.
    • 아이디어 : validation과 test 데이터와의 간극을 좁힐 필요가 있다.
      1. 실제 데이터에서는 움직이고 있는 blur 된 차량 이미지들이 있다. ⇒ Blur 관련 aug를 추가
      2. 실제 데이터에서는 가로등에 의해 일부분이 가려진 차량 이미지들이 있다. ⇒ CoarseDropout aug를 추가
      3. 차량의 색상은 class label에 영향을 끼치지 않는다. ⇒ 색상 관련 aug를 추가

Modeling

  • Model
    • Cascade RCNN
    • Cascade Mask RCNN
  • Backbone
    • Swin Transformer - Small
    • ConvNeXt - Tiny
    • Res2Net

🏆 프로젝트 결과

  • Ensemble

    trash

convnext swin res2net Ensemble
0.954 0.963 0.955 0.992

  • Score


팀원 소개

황순영 이하정
swin, res2net modeling, ensemble data preprocessing, convnext modeling