Autonomous Driving AI Chanllenge

자율주행 AI 챌린지 대회를 위해 진행된 검출 모델 학습 파이프라인

Ubuntu 20.04, RTX 3070 GPU 1개 - 최종 점수 49.78 (Rank 5)

주요 특징

• 모델 아키텍처

  • PV-RCNN++

• 데이터 전처리

  • augmentation
    • EDA 시 64ch, 128ch 혼합 확인, 이후 test dataset은 64ch만 있는 것을 확인하고 downsampling 추가
    • Flip, Scale, rotation, translation 등

• 학습 기법

  • OpenPCDet을 활용한 3D Detection Training
  • Tensorboard을 활용한 실시간 학습 그래프 시각화

• 검증 및 평가

  • Waymo L2/mAP 기반 성능 평가
  • 2024 dataset의 64ch만 추출하여 val.py 진행 (검증)

학습 파이프라인

[Dataset] 
  ↓
[Augmentation]
  ↓
[CustomDataset]
  ↓
[PV-RCNN++ 모델 학습]
  ↓
[최적 모델 저장]
  ↓
[Validation: Waymo L2/mAP] 

대회 참여 전 공부

• 논문 공부

  • PointNet(CVPR 2017) Review
  • VoxelNet(CVPR 2017) Review
  • SECOND(2018) Review
  • Center-based 3D Object Detection and Tracking
  • 3D 후보 모델 논문 증강 확인 및 제안

• OpenPCDet 프레임워크 공부

  • 모델 설정 파일 조사
  • Voxel-RCNN 훈련 및 추론
  • Pretrained model / backbone freeze (pv-rcnn)
  • .pkl 정보 활용 및 분석
  • 데이터 증강 전후 결과 확인 및 추가 (pv-rcnn)
  • Custom Dataset
  • 3D detection 평가 지표
  • 3D 후보 모델 선정
  • DSVT-Pillar .yaml pix & Training

---

작년 데이터셋을 이용한 모의 테스트 구성

• 2024 자율주행 AI 챌린지 dataset에서 64ch 데이터셋만 추출하여 검증 진행
• 작년 데이터셋을 이용한 모의 테스트 + CenterPoint-Pillar

---

MODEL TRAIN (9.22-9.28)

• PV-RCNN++ (test1, test2, test3)
  • test1: downsampling 증강 적용, 클래스 별 가중치 적용, LR + GT-Sampling 조정
  • test2: test1 + 클래스 별 가중치, NMS 임계값, MIN_RADIUS, GRID_SIZE 조정 + translation 증강 추가
  • test3: test1 + LOCAL_AGGREGATION_TYPE, PointCloudRange, VoxelSize 조정
• score: X (리더보드 제출 X)
• MODEL TRAIN (9.22-9.28)

---

MODEL TRAIN (9.29-10.6)

• PV-RCNN++ (test3, test4)
  • test3: test1 + LOCAL_AGGREGATION_TYPE, PointCloudRange, VoxelSize 조정
  • test4: test3 + translation 증강 추가 + heatmap 조정 + point head 조정 + voxel size 조정
• score: 46.92 (test3)
• MODEL TRAIN (9.29-10.6)

---

MODEL TRAIN (10.7-10.14)

• PV-RCNN++ (test5, test6)
  • test5: test4 + 학습률 조정
  • test6: test5 + Noise 증강 추가 + 학습률 조정
• score: 49.03 (test6)
• MODEL TRAIN (10.7-10.14)

---

마무리 보고서

• final score: 49.78 (test5)
• 마무리 보고서