Day 1. Monday
✏️ 복습
- EfficientDet
https://velog.io/@kupulau/EfficientDet
🙌🏻 Peer Session
- 쓰레기 이미지 object detection 경진대회 논의
- 추가 EDA 결과 mosaic augmentation이 효과적일 것으로 보인다.
- MMDetection autoaugmentation 알아보기
🏠 Homework
- 기본 과제 4 완료. YOLO v3 모델 학습 과정을 배울 수 있었다.
다만 여기도 라이브러리 버전 이슈가 있다. Albumentations의 버전이 1.4.12로 되어 있는데 main을 실행하다 보면 뜬금없이 IndexError가 발생한다. 전에 피어 세션에서 논의된 바와 같이 Albumentations을 1.3.1 버전으로 바꾸면 문제없이 실행된다.
📋 Memo
초반부에는 configuration file만 수정하면 되니까 이전 대회보다 오히려 쉽고 편할거라 생각했는데 wandb 사용해보려고 시도 중이고 모든 기능이 잘 갖춰진 베이스라인 코드를 제공받은 이전 대회와 달리 이번에는 몇몇 기능들 (augmentation 방법 등)이 빠져있고 이미 있는 라이브러리를 써야 하다 보니까 라이브러리 사용 방법을 따로 공부해야되고 생각보다 마음대로 다루기 위해 커스터마이징 해야 할 것이 많아서 baseline을 직접 구현해야되는 수준이라 더 까다로운 것 같다. 지금까지 계속 코드 짜는데 고군분투해서 실험을 하나도 못 돌려본 것이 초조하다. 그래도 어쨌든 집중해서 코드 완성하고 얼른 실험 돌려볼 수 있도록 하자.
Day 2. Tuesday
✏️ 복습
- Advanced 2 stage detectors
https://velog.io/@kupulau/Advanced-2-stage-detector
🙌🏻 Peer Session
- DINO가 예상보다 성능이 낮게 나오는 이유?
- mosaic augmentation 결과
- Random crop이 나을까 center crop이 나을까?
- EDSR 모델 사용해보기
- bbox re-labeling 시도해보기?
- augmentation 실험 계획
🏠 Homework
- 기본 과제 5 완료.
Transformer를 이용한 object detection에 대해 익힐 수 있었다.
📋 Memo
오늘 오피스 아워 시간에는 object detection 태스크의 SOTA 모델에 대한 강의를 들었다. 이번 대회에서 어떻게 새로운 모델을 사용해서 실험을 해 볼지 계획을 세우는데 도움이 되었다.
Day 3. Wednesday 팀 미팅 데이
✏️ 복습
- YOLO v4, M2Det, CornerNet
https://velog.io/@kupulau/1-stage-detector
🙌🏻 Peer Session
-
Re-labeling 계획 수립
내일 Peer session 시간까지 train 이미지bbox 이상한 것 수정하기 -
Bbox 수정 계획
90% 겹쳐있는 것은 제외
가려져 있는 것, 작은 것
📋 Memo
팀 미팅 데이여서 네이버 스퀘어에 모여서 하루 일과를 보냈다. 하루 종일 피어 세션을 하는 느낌이었다. 중간 중간에 잡담도 하고, 또 논의할 것이 있으면 바로 바로 같은 화면을 보면서 얘기할 수 있어서 재미있었다. 출퇴근만 용이하면 일주일에 몇 번 정도 이렇게 할 수 있으면 좋겠다.
Day 4. Thursday
✏️ 복습
- 강의 수강 완료
🙌🏻 Peer Session
- 쓰레기 이미지 bbox 데이터 클렌징 논의
👶 Mentoring
- 쓰레기 이미지 bbox 데이터 클렌징 유효할까?
- kaggle 대회 리뷰 (NFL health & safety - Helmet assignment)
- 미식 축구 영상에서 선수가 어디에 위치해 있는지를 찾아내는 대회
- Tracking task : frame 단위의 object detection
- SORT (Simple Online and Real-time Tracking)
tracking task의 기본 알고리즘
Kalman filter를 이용해서 이전 상태의 정보로 다음 위치를 예측한다. - Hungarian algorithm
estimation 과정에서 뽑은 결과를 서로 매핑해주는 알고리즘 - DeepSORT
기존 SORT에서 Mahalanobis distance, Deep appearance descriptor라는 것을 추가로 이용함. 그러나 Mahalanobis distance는 성능이 좋지 않아서 거의 사용하지 않고, deep appearance descriptor를 이용해서 근접하게 위치한 물체들을 더 잘 식별하는 것에 사용. CNN으로 뽑은 feature를 cosine distance로 계산한다. 매칭할 때의 IoU와 cosine distance를 합침. - Top solution : Interative Closest Position (ICP) 알고리즘을 활용
- 개인 면담 준비
🏠 Homework
- 기본 과제 6 완료
NMS를 이용한 ensemble을 어떻게 할 수 있는지 배웠다.
📋 Memo
이번 대회는 유독 어떻게 해야할지 모르겠다. 이미 좋은 최신 모델 실험은 다 한 것 같고, detectron2로 뭘 해보자니 최신 모델이 거의 없고, 그런데다 아직 object detection 라이브러리에 대한 이해도가 떨어져서 어디서부터 공부해야할지 감이 잘 안 잡힌다.
Day 5. Friday
✏️ 복습
- 강의 수강 완료
🎁 special peer session
- 자기 소개
- 팀미팅 데이 후기
- object detection 대회 실험 내용 공유
- 팀끼리 자주 만나는지?
- 구인 구팀에 대한 얘기
- wandb 사용법
🙌🏻 Peer Session
- 1차 프로젝트 평가 내용 공유 → 다음 프로젝트에 반영할 피드백 정리
- 팀 회고
- 데이터 클렌징한 new bbox 실험 계획
📋 Memo
2차 프로젝트에서 제대로 뭔가 하고 있지 못한 것 같은데 구인 구팀 공고가 나오니 초조하다. 꼭 이번 구인 구팀 이벤트가 아니더라도 내가 어떤 주제에 관심이 있고 어떤 것을 잘 할 수 있는지 반드시 어필할 수 있어야 하는데, 자신이 없으니 다가올 이벤트가 두렵다. 그래도 최대한 차분히 정리해보자. 특히 내가 뭘 잘하는지에 앞서서 내가 어떤 주제를 하고 싶은지에 대해 잘 조사해보자.
