🌏Overview

우리는 많은 물건이 대량으로 생산되고, 소비되는 시대를 살고 있다. 이러한 문화는 '쓰레기 대란', '매립지 부족'과 같은 여러 사회 문제를 발생시킨다. 그렇기 때문에 올바른 분리수거로 환경 부담을 줄일 필요가 있다. 잘 분리배출 된 쓰레기는 자원으로서 가치를 인정받아 재활용될 수 있기 때문이다. 하지만 잘못 분리배출 되면 그대로 폐기물로 분류되어 매립 또는 소각된다. 따라서 우리는 사진에서 쓰레기를 Detection 하는 모델을 만들어 이러한 문제점을 해결해보고자 한다.

🏅 개인(박상필) Wrap-Up Report

• 개인 Wrap-Up Report👑

🧙‍♂️Team

김지현	박상필	오동혁	이상민	이태순

🏆LB Score

• private : 0.6834 (7등 / 19팀)
• public : 0.6639 (8등 / 19팀)

⭐Project Summary

• EDA: EDA를 통해 작은 박스가 많이 분포 , class imbalance 문제 등 데이터의 특징을 알아내고 문제에 따른 전략 수립
• Validation set 구성: strarified k-fold를 이용해 validation set을 신속하게 구축
• data 시각화: data시각화를 통해 모델의 예측 성능 파악
• 다양한 SOTA 모델 실험: UniverseNet, dyhead, yolov7, yolo5, focalNet 등 다양한 SOTA 모델에 대해 실험을 진행
• TTA : multi scaling, flip
• Ensemble : 중복된 box는 WBF(weighted box fusion)을 이용해서 처리

📈Model performance

model	backbone	LeaderBoard mAP
dyhead	swin-l	0.6558
universeNet101	??	0.6330
Yolo v7	E-Elan	0.5570
ATSS	swin-b	0.5876
cascade_RCNN	swin-b	0.5730
deformable DETR	swin-t	0.5262
Yolo v5x6	??	0.5538
yolo v7x	E-Elan	0.4257
FocalNet	??	0.5065

💾Datasets

• train 이미지 갯수 : 4883장
• test 이미지 갯수 : 4871장
• class : General trash, Paper, Paper pack, Metal, Glass, Plastic, Styrofoam, Plastic bag, Battery, Clothing
• 이미지 크기 : (1024, 1024)
• 출처 : 부스트캠프 AI Tech

📊Metric

• mAP50(Mean Average Precision)
  • Object Detection에서 사용하는 대표적인 성능 측정 방법
  • Ground Truth 박스와 Prediction 박스간 IoU(Intersection Over Union, Detector의 정확도를 평가하는 지표)가 50이 넘는 예측에 대해 True라고 판단

⚒Development Environment

• GPU : v100
• OS : linux
• library : mmdetection, pytorch