Team Medic(CV-16)

---

Project Overview

• Project Period 2022.03.21 ~ 2022.04.08
• Project Wrap Up Report Object Det_CV-16_Medic_팀 리포트

♻️ 재활용 품목 분류를 위한 Object Detection 🗑

😎 Members

권순호	서다빈	서예현	이상윤	전경민
Github	Github	Github	Github	Github

🌏 Contributions

• 권순호: Faster-RCNN, Cascade-RCNN, Swin-Large,Step, LRscheduler, Ensemble
• 서다빈: Cascade-RCNN, Swin-T ,CosineAnnealing, FocalLoss, YOLOV5, Optimizer 비교(SGD,Adam,AdamW), TTA, Ensemble
• 서예현: YOLOX, UniverseNet,  various IoU Losses, TTA, NMS & WBF Ensemble
• 이상윤: stratified k-fold train/valid split 구현 , Swin-large + cascade r-cnn 구현, Efficientdet
• 전경민: Data Augmentation 및 Data Handling, 각종 Experiments 진행

❓Problem Definition

• 바야흐로 대량 생산, 대량 소비의 시대. 우리는 많은 물건이 대량으로 생산되고 소비되는 시대를 삶에 따라 쓰레기 대란, 매립지 부족과 같은 사회 문제 발생

• 버려지는 쓰레기 중 잘 분리배출 된 쓰레기는 자원으로서 가치를 인정받아 재활용되지만, 잘못 분리배출 되면 그대로 폐기물로 분류되어 매립 또는 소각되기 때문에 분리수거는 사회적 환경 부담 문제를 줄일 수 있는 방법
• Deep Learning을 통해 쓰레기들을 자동으로 분류할 수 있는 모델 개발
• 쓰레기를 줍는 드론, 쓰레기 배출 방지 비디오 감시, 인간의 쓰레기 분류를 돕는 AR 기술과 같은 여러 기술을 통해서 조금이나마 개선이 가능할 것으로 기대

💾 Datasets

• Number of Classes: 10
• Number of datasets: 9754
• Labels: General trash, Paper, Paper pack, Metal, Glass, Plastic, Styrofoam, Plastic bag, Battery, Clothing
• Image Size: (1024, 1024)
• train: 4883장의 train image 존재
• test: 4871장의 test image 존재
• train.json: train image에 대한 annotation file (coco format)
• test.json: test image에 대한 annotation file (coco format)

💾 Annotation Files

• COCO format으로 구성(images&annotations)
• images
  • id: 파일 안에서 image 고유 id, ex) 1
  • height: 1024
  • width: 1024
  • filename: ex) train/002.jpg
• annotations
  • id: 파일 안에 annotation 고유 id, ex) 1
  • bbox: 객체가 존재하는 박스의 좌표 (xmin, ymin, w, h)
  • area: 객체가 존재하는 박스의 크기
  • category_id: 객체가 해당하는 class의 id
  • image_id: annotation이 표시된 이미지 고유 id

💻 Development Environment

• GPU: Tesla V100
• OS: Ubuntu 18.04.5LTS
• CPU: Intel Xeon
• Python : 3.8.5

📁 Project Structure

├── mmdetection
│   ├── faster_rcnn_train.ipynb
│   ├── faster_rcnn_inference.ipynb
|   ├── config
│   └── etc.
├── efficientdet_train.ipynn
├── efficientdet_inference.ipynb
├── yolov5_files
│   ├── manifest.txt
│   ├── trash.yaml
│   ├── voc.names
│   ├── yolov5.ipynb
│   └── yolov5_sumbmission.ipynb
├── ensemble.ipynb
├── fiftyone_train.py
├── inference.py
├── stratifiedkfold.py
├── submission_to_json.ipynb
├── valid_split.py
└── visualization.py

👨‍🏫 Evaluation Methods

💯 Final Score

ensemble result of : Faster R-CNN, Cascade R-CNN(Swin Transformer Tiny/Large), YOLOv5, YOLOX, UniverseNet

👀 How to Start

• downloading the github repository

git clone https://github.com/boostcampaitech3/level2-object-detection-level2-cv-16.git

• installing mmdetection library

conda install pytorch=1.7.1 cudatoolkit=11.0 torchvision -c pytorch

pip install openmim

mim install mmdet

• training the model

cd level2-object-detection-level2-cv-16/mmdetection

python tools/train.py <<directory_of_the_config_file>>

📄 Experiments & Submission Report

Notion