부스트코스 재활용 쓰레기를 활용한 딥러닝 강의 정리 2

 

부스트코스 재활용 쓰레기를 활용한 딥러닝 강의 정리

 

 

 

Object Detection Library

• MMDetection : Pytorch 기반의 Object Detection 오픈소스 라이브러리
• Detectron2 : Facebook AI Research의 Pytorch 기반 라이브러리, Object Detection 외에도 Segmentation, Pose prediction 등 알고리즘도 제공

 

---

 

MMDetection

• Config file
  • configs를 통해 데이터셋부터 모델, scheduler, optimizer 정의 가능
  • 특히, configs에는 다양한 object detection 모델들의 config 파일들이 정의돼 있음
    • 그 중, configs/base/ 폴더에 가장 기본이 되는 config 파일이 존재
  • dataset, model, schedule, default_runtime 4가지 기본 구성요소 존재
  • 각각의 base/ 폴더에는 여러 버전의 config들이 담겨있음
    • Dataset – COCO, VOC, Cityscape 등
    • Model – faster_rcnn, retinanet, rpn 등
  • 틀이 갖춰진 config를 상속 받고, 필요한 부분만 수정해 사용함
• model
  • type: 모델 유형
  • backbone: 인풋 이미지를 feature map으로 변형해주는 네트워크
  • neck: Backbone과 head를 연결, Feature map을 재구성
  • rpn_head : Region Proposal Network, Anchor_generator, Bbox_coder, Loss_cls, Loss_bbox
  • roi_head : Region of Interest, StandardRoIHead, CascadeRoIHead, bbox_roi_extractor, bbox_head
  • bbox_head
  • train_cfg
  • test_cfg
• Runtime settings
  • Optimizer: SGD, Adam, …
  • Training schedules: learning rate, runner
• 전체 파이프라인

 

---

 

Detectron2

• Config file
  • MMDetection과 유사하게 config 파일을 수정, 이를 바탕으로 파이프라인을 build하고 학습함
  • 틀이 갖춰진 기본 config를 상속 받고, 필요한 부분만 수정해 사용함
  • 불러올 땐, 디폴트 컨피그를 불러온 후, 기본적인 내용이 채워진 yaml 형식의 config 파일로 채움
• Dataset
  • TRAIN, TEST에 각각 등록한 train 데이터셋과 test 데이터셋의 이름을 입력함
  • 커스텀 데이터셋을 사용하고자 할 때는 데이터셋을 등록해야함
  • 전체 데이터셋이 공유하는 정보 (ex. class명, 파일 디렉토리 등)을 메타 데이터로 등록할 수 있음
  • config 파일에 train 데이터셋과 test(val) 데이터셋을 명시해 사용할 수 있도록 함
• Model
  • BACKBONE: 인풋 이미지를 특징맵으로 변형해주는 네트워크
  • FPN: Backbone과 head를 연결, Feature map을 재구성
  • ANCHOR_GENERATOR
  • RPN
  • ROI_HEADS
  • ROI_BOX_HEAD
• 전체 파이프라인

 

---

 

 

 

출처 : https://www.boostcourse.org/ai341/joinLectures/369549?isDesc=false

재활용 쓰레기를 활용한 딥러닝 (1) - Detection