2020AIChallenge-05

본 repo 는 mAy-I 팀으로 참가한 2020 인공지능 온라인 경진대회 중 액세서리 착용자에 대한 인식 및 조회 모델 개발 태스크 수행을 위한 레포지토리입니다.

mAy-I 는 과학기술정보통신부가 주최하고 정보통신산업진흥원이 주관하는 2020 인공지능 온라인 경진대회 에 참가하여, 종합 5등 을 달성하였습니다.

본 repo 는 그 중 [과제 05] 액세서리 착용자에 대한 인식 및 조회 모델 개발 과 [과제 06] (경량화 5M) 액세서리 착용자에 대한 인식 및 조회 모델 개발 태스크를 다루고 있으며, mAy-I 는 두 태스크에서 모두 2등 을 달성하였습니다.

대회 중 작성하였었던 코드를 아카이빙하는 것이 목적이라, 별도의 문서화나 리팩토링을 거치지 않은 점, 양해 부탁드립니다:)

Usage

모든 코드는 current work directory(작업 폴더) 하에서의 실행을 전제합니다.

dependencies 설치

$ pip install -r requirements.txt

** 개발 과정에서 몇몇 dependencies 가 빠져있을 수 있습니다.

데이터 준비

## 기본 제공 데이터를 data 폴더에 압축 해제
$ unzip "/datasets/objstrgzip/05_face_verification_Accessories.zip" -d "./data/"
## 학습을 위한 자체 형식(id 별)의 데이터를 data/train_id에 준비
$ python src/data_prepare.py

학습

config.py 파일의 변수들을 잘 수정한 후, 학습을 진행합니다.

$ python train.py

테스트

## 최종 결과로 테스트
$ python test.py
## 특정 weight 을 불러와서 테스트
$ python test.py -m {weight경로}
> 예시. `$ python test.py -m weights/model_2020-06-29-11-00_accuracy:0.9938_epoch:9_None.pth`

제출

## 제출을 위한 코드 압축
$ tar cvzf mAy-I.tgz ./data/*.py ./src/*.py ./src/models/*.py ./src/models/efficientnet/*.py ./*.py ./*.md ./*.txt
$ python
> from aifactory.modules import activate, submit
> activate('', '')
> task = 6
> code = './mAy-I.tgz'
> weight = './weights/model_2020-06-29-11-00_accuracy:0.9938_epoch:9_None.pth'
> result = './prediction.txt'
> submit(task, code, weight, result)

코드 설명

코드 구조

아래는 제출한 압축 파일 mAy-I.tgz 를 압축 해제하면 나오는 코드 구조입니다.

- data/
    - __init__.py
    - data_pipe.py
- src/
    - models/
        - efficientnet/
            - __init__.py
            - model.py
            - utils.py
        - mobilenetv3.py
        - model.py
    - data_prepare.py
    - dataloader.py
    - Learner.py
    - metrics.py
- config.py
- README.md
- requirements.txt
- test.py
- train.py

아래는 학습 및 실행 과정에서 추가로 생성되는 파일들의 코드 구조입니다.

- data/
    - test/
        - ...
    - train/
        - ...
    - validate/
        - ...
    - train_id/
        - ...
- runs/
- weights/
    - ...
- mAy-I.tgz
- prediction.txt

코드 설명

기본 코드 파일들에 대한 설명입니다.

• data/__init__.py: data 폴더를 다른 곳에서 참조하기 위한 생성자입니다.
• data/data_pipe.py: 모델들을 학습하기 위한 형태로 data를 불러오는 코드입니다.
• src/models/efficientnet/: efficientnet 코드입니다. 세부 customizing 을 위해 EfficientNet-PyTorch 를 그대로 가져왔습니다.
• src/data_prepare.py: 학습에 적합하도록 dataset 을 재가공한 data/train_id/ 폴더를 생성하기 위한 코드입니다.
• src/dataloader.py: 모델들을 추론하기 위한 형태로 data를 불러오는 코드입니다.
• src/Learner.py: 학습 및 추론에 실질적으로 사용되는 코드입니다. model을 불러오고, optimizer를 정의하고, 학습을 진행하고, validation 및 test 를 진행합니다.
• src/metric.py: 학습에 사용되는 ArcMarginProduct 함수가 정의되어 있는 파일입니다.
• config.py: 학습에 필요한 환경이 설정되어 있는 파일입니다. 학습 환경을 조절 할 때는 본 파일만 수정하면 충분합니다.
• README.md: 본 문서입니다. 코드에 대한 전반적인 설명이 담겨있습니다.
• requirements.txt: 본 코드를 실행하기 위한 dependencies 들이 담겨있습니다.
• test.py: test를 하기 위한 코드입니다. 사전 학습된 model 을 받아 test dataset 을 기반으로 evaluation 하여 requirements.txt 파일을 생성합니다.
• train.py: train을 하기 위한 코드입니다. config.py 의 환경대로 모델을 학습합니다.

추가 생성되는 파일들/폴더들에 대한 설명입니다.

• data/test/, data/train/, data/validate/: 기본적으로 제공된 데이터 압축 파일을 그대로 압축 해제하면 나오는 파일들입니다.
• data/train_id/: train/train_meta.csv 을 기반으로, data/train/ 의 이미지들을 identity 를 이름으로 하는 폴더 안에 저장한 폴더입니다. 학습에 직접적으로 사용됩니다.
• runs/: 학습 과정에서 나오는 tensorboard 로그 파일들이 저장되는 폴더입니다.
• weights/: 학습 과정에서 나오는 .pth 파일들이 저장되는 폴더입니다. 추가 학습을 위해, model 뿐 아니라 head 와 optimizer 도 저장합니다.
• mAy-I.tgz: 최종 제출을 위해 압축한 코드 파일입니다.
• prediction.txt: 최종 제출을 위해 추론한 파일입니다.

Reference

Codes

• TreB1eN/InsightFace_Pytorch
• d-li14/mobilenetv3.pytorch
• lukemelas/EfficientNet-PyTorch

Papers

• MobileFaceNets: Efficient CNNs for Accurate Real-Time Face Verification on Mobile Devices

mAy-I

• 2020AIChallenge-04 : 함께 mAy-I 팀으로 참여한 jessekim 님의 [과제 04] (경량화 5M) 얼굴 다각도 인식 및 조회 모델 개발 코드 repo 입니다. mAy-I 는 해당 태스크에서 1등 을 달성하였습니다.