[10주차 회고]

월

대회

• mAP50, mAP60, mAP70 등 숫자가 뜻 하는 것 알아놓자

  mAP50 : IoU가 50만 되도 맞게 해줌 → 더 점수가 높음
  

• Idea 생각해보기 from Bag of Freebies

  

  Multi-Scaling

  Ensemble Model 만들기

  쥐어짜낼 땐 k-fold, pseudo labeling, seed ensemble
  

• 다양한 시각화 Tool 있음

  1. Inference 성능 체크 시각화 → ipynb 돌려보기

     /opt/ml/baseline/mmdetection/demo/inference_demo.ipynb

  2. Transforms 체크 시각화 → 생성된 파일 확인하기

     python tools/misc/browse_dataset.py configs/_trash_/실행하는파일.py --output-dir ./저장할폴더

화

대회

• 대회 코드 Trouble Shooting 해결

  1. Loss가 nan이 뜬다면, learning rate가 너무 높은 것이 문제일 수 있다.

  2. flip 문제

     → 문제를 들여다보면 key 값 어쩌구저쩌구 나와있다. flip에 초점을 맞추지말고

     → key 값을 주는 인자에 대해 생각하자

     → 어쨋든 albu_transformation 에서 key map 문제였다

     (example의 key map 그대로 갖다 쓰면 되었다.)

  3. Wandb 설정문제

     → 같은 아이디로 여러개의 wandb 파일 root가 설정이 안 된다.

수(오프라인)

대회

• 아무코드나 submission 해보기
• inference 동작 잘 되나 확인
• transformer base 갖다 쓰기
• NasFPN 돌려보기
• mosaic 방법 생각해보기 → 용민
• Mislabel 처리 코드 작성 확실히 틀린 이미지들 삭제
  
• Transforms 시각화

협업

• Mosaic 구현 : 용민
• 1-stage : 하정, 도훈
• 2-stage : 순영, 원준
• 깃 구조 정의하고 생성하기

목

• Albumentation Github 들어가보면, 어떤 transform이 bbox까지 transforms 되는지 나와있다.

• 가상환경에서 debugging 해보기(참고한 자료들)

  https://code.visualstudio.com/docs/editor/debugging

  https://velog.io/@jaeha0725/vscode-python-디버깅하기-argument-넣기

  https://code.visualstudio.com/docs/python/environments
  

• (구현한) BiFPN 코드 수정

금

• NAS < FPN

• OHEM Sampler 고려하기 (1-stage 용 인듯)

• ConvNext 논문은 성능이 Transformer 보다 좋긴한데, Transformer Large 보다 좋은 ConvNext Pretrained 가 없다.

• AP per Class 코드 구현 및 EDA

  

  배터리가 class가 가장 적음에도 불구하고, 가장 잘 잡아내는 것을 볼 수 있다.
  

• 알고리즘 문제(팀)

• Pseudo Labeling 방법 찾기

• Ensemble 코드 찾기

• 프로젝트 통제변인 설정
  Multiscale vs normal
  nms vs soft_nms
  FPN vs BiFPN
  SwinLarge