SJ Detection Party 디텍션 잔치

1) 소문난 잔치 꾸리기 (기존 SSD & YOLO)

- Training

• SSD With COCO
• SSD With VOC
• YOLO With COCO
• YOLO With VOC

- Testing

• SSD With COCO => TODO! (진욱)
• SSD With VOC
• YOLO With COCO
• YOLO With VOC

---

2) RetinaNet 파티에 초대

- Todo (파티 준비물)

• 논문을 부숴보자

• Training 코드 구현 with VOC

• Testing 코드 구현 with VOC

• 성능 체크

• Training 코드 구현 with COCO

• Testing 코드 구현 with COCO

• 성능 체크

3) 파티 개최! (합치기)

- TODO

• 파티 Resume 코드
• 이쁜 파티를 위한 tqdm

진욱 TODO

• Dataset 코드 파티에 초대

• COCO YOLO일때 80, SSD일때 81 -> 처리

• 기존 Demo 구현 가져오기

• Docker를 위한 이미지 저장 방법 구현

성민 TODO

• coder를 파티에 초대 (anchor, ...)
• party.py Model과 Loss의 파라미터 및 리턴값 통일
• utils 내 detect, detect_object, detect_objects_retina 통일
• utils 내 voc_eval들 통일 (VOC Dataset)

4) 추가 파티 계획

• 다른 backbone 모델도 적용 되도록
  • ResNet
  • ResNext
• 다른 데이터셋 모델 개발

---

- Update

• nn 에서 제공하는 Loss 들에 대해서 reduce=false -> reduction='none' (deprecated될 예정) https://discuss.pytorch.org/t/userwarning-size-average-and-reduce-args-will-be-deprecated-please-use-reduction-sum-instead/24629/2

• dataset download and visualization update. (데이터 없으면 자동으로 다운로드 되도록)

• requirements.txt update (초기 다운로드 pip install -r requirements.txt 로 진행)

convert script
    ./dataset/coco_dataset.py
    ./dataset/voc_dataset.py
    ./dataset/transform.py
    party.py's getDataLoader

• coder 와 anchor 를 통한 code update

anchor 가 detection 에서 쓰이는 부분은
1. loss 만들 때,
2. test or demo 시 model 의 output 을 실제 bbox 와 label 과 score 로 변경할 때 (decode)
3. coder 라는 class 를 통해서 전체적 framework 변경 필요

파티 참여 시

pip install -r requirements.txt

python3 main.py