[CV] Config 주요사항 정리

Config 뜯어보기

1. dataset

• type, train/val/test Dataset 유형, data_root
• 주요파라미터 설정 가능(type, ann_file, img_prefix, pipeline)

2. model

• Object Detection model 의 backbone, neck, dense head, roi extractor, roi head(num_classes) 의 세부 설정
  

3. schedule

• optimizer 유형 설정(SGD, Adam, Rmsprop)
• 최초 learning rate 와 동적 lr 적용 policy(step, cyclic, CosineAnnealing)
• 에폭 횟수
  

4. run time

• callback 관련 설정
• checkpoint 파일
• intervl 에폭 수
  

- Data pipline

data pipeline 은 크게 3단계로 구분할 수 있다. data loading, preprocessing, formatting.

1. data loading : 데이터 로드

• LoadImageFromFile
• LoadAnnotations

2. Preprocessing : 원본 이미지의 픽셀 값 수정

• Resize: 크기 조정(img, img_shape, gt_boxes 수정)
• RandomFLip: 이미지를 왼, 오른쪽으로 플립하여 이미지 전처리(img, gt_boxes 좌표가 바뀜)
• Normalize : 정규화
• Pad : 고정된 비율로 맞출 때, 맞지 않는 부분을 패딩으로 처리.

3. Formatting : 모델에 집어넣기 전 최종 가공

• DefaultFormatBundle: img, gt_bboxes, gt_labels 가공
• Collect : 최종 모델에 전달될 사항 추출

custom_imports = dict(imports=['path.to.my_pipeline'], allow_failed_imports=False)
img_norm_cfg = dict(
	mean=[123.675, 116.28, 103.53], std = [58.395, 57.12, 57.375], to_rgb = True) 
    

train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='LoadAnnotations', with_bbox=True),
    dict(type='Resize', scale=(1333, 800), keep_ratio=True), # 원본 이미지 ratio 그대로 키움
    dict(type='RandomFlip', prob=0.5), # 10번 중 5번은 augmentation
    dict(type='Normalize', **img_norm_cfg), ## 추가 
    dict(type='Pad',  size_dovisor=32),
    dict(type='DefaultFormatBundle'),
    dcit(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']), # 이 값들을 모델에 투입
]

한가지 문제가, data.pipeline 도 있고 train_pipeline 은 또 따로 분리되어 있는 것이다. 중복되어 있는 것이 거슬리기 때문에, train_pileline 에서 설정을 마친 다음 data.pipeline 의 경우 pipeline([**train_pipeline]) 로 설정해주고 끝내는 것도 좋아보인다. (asterisk: 가져오기)