랩업-리포트 PDF 다운로드 :
Object_Det_CV_팀_리포트(18조).pdf
1. 프로젝트 개요
바야흐로 대량 생산, 대량 소비의 시대. 우리는 많은 물건이 대량으로 생산되고, 소비되는 시대를 살고 있다. 하지만 이러한 문화는 쓰레기 대란, 매립지 부족과 같은 여러 사회 문제를 낳고 있다. 분리수거는 이러한 환경 부담을 줄일 수 있는 방법 중 하나이다. 잘 분리배출 된 쓰레기는 자원으로서 가치를 인정받아 재활용되지만, 잘못 분리배출 되면 그대로 폐기물로 분류되어 매립 또는 소각되기 때문이다. 따라서 우리는 사진에서 쓰레기를 Detection 하는 모델을 만들어 이러한 문제를 해결해보고자 한다.
- 주제 : 재활용 품목 분류를 위한 Object Detection
- 목표 : 10 종류의 쓰레기 품목 Object Detection 모델 객체 탐지 성능 향상
2. 데이터
| 0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
| General trash |
Paper |
Paper pack |
Metal |
Glass |
Plastic |
Styrofoam |
Plastic bag |
Battery |
Clothing |
- 전체 이미지 개수 : 9754장
- 이미지 크기 : (1024, 1024)
├── dataset
├── train.json
├── test.json
├── train
└── test
- 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)
3. 프로젝트 팀 구성 및 역할
| 이름 |
역할 및 실험 내용 |
| 서동환 |
- 모델 최적화: ATSS, Cascade RCNN, UniverseNet 실험 |
- 데이터 증강: 해상도 증가, multi-scale, random crop
- 구조 실험: FPN, NasFPN, dyhead 등 neck 구조 비교 |
| 김태한 | - EDA 및 데이터 분할
- 모델 탐색: Co-DETR
- Data Augmentation: EDSR, CenterCrop, input 크기별 성능 평가 |
| 박지완 | - YOLO 시리즈 성능 분석
- YOLO 모델에서 anchor box 최적화, 하이퍼파라미터 조정, layer freeze 실험 |
| 임찬혁 | - MMDetection
- Co-Dino 실험
- 프로젝트 리포트 정리 |
| 임정아 | - Detectron2 모델 분석 및 실험
- 학습 로그 모니터링
- 앙상블 기법 실험 및 적용 |
| 이은아 | - MMDetection 모델 및 Backbone 변경 실험
- Mosaic 증강 적용 |
4. 프로젝트 수행 절차 및 방법
[프로젝트 타임라인]