1. 저번에 image size를 잘못 지정하여 tf_efficientdet_d0을 다시 돌려봄 -> mAP = 0.32로 좋게 나오지 않음 -> box loss config.box_loss_weight = 0.75 // config.delta = 1.0 // #cls loss config.alpha = 1.0 // config.gamma = 2.0 // optimizer = torch.optim.AdamW(params, lr=2e-5, weight_decay=0.0001) // scheduler = CosineAnnealingLR(optimizer, T_max=20, eta_min=0) -> mAP 점수가 거의 0에 가까이 나옴... cls loss와 box loss가 비슷하게 나오게끔 parameter 값을 수정하였는데 생각이 틀렸나보다. -> epoch 7일 때는 아예 mAP가 0이 나온다.
2. 멘토님이 YOLOF를 추천해주셔서 mmdetection에 있는 yolof를 돌려보려고 시도 -> 에러가 자꾸 뜸 -> YOLOF를 깃험에 검색하여 따로 git clone -> detectron2를 기반으로 만들어짐 -> detectron2에 있는 baseline을 수정 -> yolof_R_50_C5_1x를 돌림 -> mAP=0.33이 나옴 -> 생각보다 점수가 안나옴 -> yolof_R_101_C5_1x로 바꾸어서 다시 돌림 -> yolof_R_50_C5_1x보다 점수는 높게 나왔지만 이전 높은 점수보다 많이 낮음 -> yolof_X_101_32x4d_C5_1x로 바꾸어서 다시 돌렸더니 점수가 더 떨어짐... -> yolof_X_101_32x4d_C5_1x으로 바꾸어서 돌려봐도 점수가 상당히 낮음... -> 결론적으로 yolof_R_101_C5_1x가 제일 점수가 높았음
3. 데이터 수가 적은 paper pack, glass, metal, clothing, styrofoam, battery를 bbox와 같이 시각화를 하여 확인 -> 잘못된 라벨링이나 잘못된 bbox는 거의 없음 -> 찢어진 paper, 뜯어진 styrofoam, 일반 쓰레기가 구분하기 힘들 것이라 판단 -> 다른 객체에 가려져있는 것들은 없는 것이 좋은 걸까... -> metal(can)과 battery의 형상이 비슷하여 분류하기 힘들 것이라 생각했지만 오히려 분류를 잘 하는 경우가 있음
'Boostcamp AI Tech' 카테고리의 다른 글
| [Boostcamp 10주차] 피어세션과 학습 회고 & 실험일지 (0) | 2021.10.08 |
|---|---|
| [Boostcamp Day-43] Object Detection - Advanced Object Detection 2 (0) | 2021.10.08 |
| [주말 실험 일지_토] 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 |