- 대회 기간 : 2022.04.25 ~ 2022.05.12
- 목적 : 재활용 품목 분류를 위한 Semantic Segmentation
'쓰레기 대란', '매립지 부족'과 같은 여러 사회 문제가 나오고 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 segmentation 하는 모델을 만들어 이러한 문제점을 해결하고자 한다.
- 학습 이미지 개수 : 3272장
- 테스트 이미지 개수 : 624장
- 11개 클래스 : Background, General trash, Paper, Paper pack, Metal, Glass, Plastic, Styrofoam, Plastic bag, Battery, Clothing
- 이미지 크기 : 512x512
| 김영운 | 이승현 | 임서현 | 전성휴 | 허석용 |
|---|---|---|---|---|
 |
 |
 |
 |
 |
최종 mIoU : 0.7287
기본으로 train.json, valid.json이 제공되었지만 더 일반화 성능을 높이기 위해 따로 Stratified Group K-Fold 함수를 사용하여 5 fold로 나누었다. 5개의 fold로 나누어진 train-valid 셋 중, local mAP와 leader board mAP간 차이가 가장 적은 CV셋을 베이스라인 실험 데이터셋으로 선택하였다.
AMP(Automatic Mixed Precision)는 학습시 처리 속도를 높이기 위한 FP16(16 bit floating point)연산과 정확도 유지를 위한 FP32 연산을 섞어 학습하는 방법이다. Swin transformer base+PAN 모델을 기준으로 실험했을 때, AMP를 사용할 경우 1 epoch 학습 소요 시간을 1분28초 → 59초까지 단축시킬 수 있었다.
위 Figure는 좌측부터 input image, predicted mask, ground truth mask이다. 모델이 이미지 내 객체의 위치는 어느정도 탐지하고 있으나, class 분류가 잘 이루어지지 않고 있음을 확인할 수 있다. 이러한 결과를 통해 backbone을 보다 무거운 모델로 교체한다면 객체의 semantic한 정보를 더욱 잘 학습할 수 있을 것이라는 가정을 했고, 실제로 backbone을 swin transformer Base → swin transformer Large로 교체하였을 때 리더보드 성능이 0.6950 → 0.7231로 향상되었다.
Focal loss는 cross entropy loss을 기반으로 상대적으로 예측하기 쉬운 class에 대해서는 down-weight하고 상대적으로 맞추기 어려운 class에 큰 weight를 주는 방식으로 작동하는 손실함수이다. 대회에서 제공된 데이터의 class 별 객체의 분포는 위 figure과 같다. 특히 Battery, Clothing의 데이터가 다른 class에 비해 많이 부족했고, 이를 해결하기 위해 imbalance dataset에 효과적인 Focal loss를 적용했다. 대부분의 모델에서 이를 사용했을 때 성능이 개선되었다.
GridDistortion, PhotoMetricDistortion 등 강의에서 소개된 Distortion augmentation을 적용해봤다. PhotoMetricDistortion이 가장 결과가 좋아서 최종 모델에 적용했다. 저번 Object Detection task에서는 CLAHE, RGBShift 등 augmentation이 효과가 있는 것이었지만 이번 Task에서는 유의미한 차이가 보이지 않았다.
Hard-voting 방식으로 모델 결과를 Ensemble했다. Upernet 싱글 모델로 0.7123 정도 나왔지만 5 fold 결과를 모두 앙상블 한 결과 0.7256으로 상승했다.