네이버 부스트캠프 AI Tech 10주차 회고

서론

객체 탐지 대회 도중 사용한 mmdetection 라이브러리 활용 경험을 회고합니다.

 

본론

- mmdetection의 편리한 학습 파이프라인

강의에서는 mmdetection을 코드 조각으로 조합해서 원하는 모델을 만들 수 있다고 하였습니다. 당시에는 매우 추상적이라서 '유용한 기술이겠다'라고 생각만 하고 넘어갔는데 실제로 만들어 보니 굉장한 기술력을 가질 수 있다는 것을 체감했습니다.

 

configs/faster_rcnn 수정
_base_/models 수정
datasets 수정
_base_/datasets/coco_detection 수정

위 4가지를 테스크에 맞게 수정하면 원하는 모델을 만들 수 있을 뿐만 아니라, 학습, 테스트 파이프라인 자체를 커스터마이즈 할 수 있습니다. 앞으로 주기적으로 업데이트 되는 mmlab 프레임워크를 활용하여 실습에 활용할 것입니다.

 

- mmdetection test 컴파일 과정

test 과정에서 mAP가 전부 -1이 나오는 상황이 발생했습니다. 영문을 몰랐지만, 원인이 너무 많아 하나하나 컴파일하는 과정을 거쳤습니다.

 

test.json을 train으로 수정
dataset의 evaluate 추적

2번째 과정으로 상당히 구체적으로 모델의 평가 과정을 따라가 볼 수 있었습니다. test.py를 실행했을 때 언제 모델 output을 구하고 언제 mAP를 구하는 지 코드로 확인할 수 있는 좋은 기회였습니다.

 

또한, train으로 수정하니 mAP가 정상적으로 출력되었습니다. 이를 통해 정말 모델이 탐지를 못 하여 -1이 나오는 것을 알 수 있었습니다. 앞으로 1번 과정을 가장 먼저 해볼 것입니다.

 

- 고수들과 함께하면 좋은 점 ✅

빠른 시간 내에 좋은 성적을 내어서 짜투리 시간이 생겨 대회 기간에도 다양한 업무를 할 수 있습니다.
돌고 돌아 어렵게 배워야 하는 내용을 빠르게 배울 수 있습니다.
대회 관련하여 검증된 기법을 배울 수 있습니다.