1. mmdetection을 사용하여 retinanet_x101_32x4d_fjpn_1x_coco를 돌려보았다. optimizer는 adamw(lr=2e-05, weight_decay=0.005), lr_scheduler은 cosineannealing(warmup='linear', warmup_iters=600, warmup_ratio=0.001, min_lr=1e-7)을 적용하였다. -> 다른 optimizer와 lr_scheduler를 사용하면 점수가 오를거라 예상했지만 점수 향상은 없었다. -> epoch을 12에서 20으로 늘려보니 0.04정도 mAP가 향상되었다.
2. mmdetection을 사용하여 retinanet_x101_64x4d_fpn_2x_coco
-> optimizer = dict(type='AdamW', lr=2e-05, weight_decay=0.005)
-> lr_config = dict( policy='CosineAnnealing', warmup='linear', warmup_iters=600, warmup_ratio=0.001, min_lr=1e-6) -> runner = dict(type='EpochBasedRunner', max_epochs=25)
-> loss_cls=dict( type='FocalLoss', use_sigmoid=True, gamma=2.0, alpha=0.25, loss_weight=1.0)
-> loss_bbox=dict(type='L1Loss', loss_weight=1.0))
-> lr_scheduler에서 min_lr을 줄이고 loss_cls와 loss_bbox의 parameter 값을 조정했을 때 점수 향상이 있을 것이라 예상했지만 거의 변화 없었음
'Boostcamp AI Tech' 카테고리의 다른 글
| [Boostcamp Day-43] Object Detection - Advanced Object Detection 2 (0) | 2021.10.08 |
|---|---|
| [주말 실험 일지_일] Object Detection (0) | 2021.10.05 |
| [Boostcamp Day-42] Object Detection - Advanced Object Detection 1 (0) | 2021.10.05 |
| [Boostcamp 9주차] 피어세션과 학습 회고 (0) | 2021.10.02 |
| [Boostcamp Day-41] EfficientDet (0) | 2021.10.02 |