📃프로젝트 개요

분리수거는 증가하는 쓰레기양을 줄여 환경 부담을 줄일 수 있는 방법 중 하나입니다. 우리는 사진에서 쓰레기를 Segmentation하는 모델을 만들어 분리수거를 더 쉽게 도와주어 쓰레기 문제를 해결하고자 합니다.

💾데이터셋

• 전체 이미지 개수 : 4091장 (Training : 3272장, Test : 819장)
• 11 class : Background, General trash, Paper, Paper pack, Metal, Glass, Plastic, Styrofoam, Plastic bag, Battery, Clothing
• 이미지 크기 : (512, 512)
• Annotation File (COCO format) : 이미지 내 각 픽셀의 클래스 정보

평가지표

• Test set의 mIoU(Mean Intersection over Union)로 평가

  

✏ 프로젝트 수행 방법

Data Processing

• MisLabeled - fiftyone을 활용하여 3272 이미지 중에서 잘못 라벨링된 데이터와 비닐봉지 내부 Object를 인식하는 이미지 53개 제거

  

• StratifiedGroupKFold

  

• Augmentation

Modeling

• Model 별 Training

  • [SMP] DeepLabV3Plus + resnet, efficientnet
  • [SMP] PAN + SwinT
  • [SMP] FPN + ViT
  • [mmseg] upernet_swin_L
  • [mmseg] upernet_convnext_xl
  • [mmseg] upernet_adapter_beit_L

• Pesudo Labeling 기법

  • Hard Voting 후 label로 이용
  • CutMix

• Ensemble 기법

  • Epoch ensemble
  • Weight ensemble
  • Model ensemble

• Optimizer & Scheduler

  • Adam
  • AdamW
  • ReduceLROnPlateau

• CRF

  

​ → Dense CRF를 이용해 모든 모델이 0.02~0.03의 성능향상

🏆 프로젝트 결과

• Ensemble

  • Vit_19_all_crf : 0.7633
  • Vit_focal_19_crf : 0.7562
  • Vit_focal_27_crf : 0.7439
  • Swin_L_del_all_90_crf : 0.7416
  • Swin_L_del_all_50_crf : 0.7213
  • upernet_convnext_xl_100_crf : 0.7136

• Score

  • Public LB : 0.7712(6등/19팀)
  • Private LB : 0.7652 (4등/19팀)

👨‍👨‍👦‍👦 팀원 소개

황순영	서원준	이하정	김도훈
Modeling, Ensemble	Modeling, Ensemble	Modeling, Data Split, Augmentation	Modeling, Data Split, Augmentation