Skip to content

WonsangHwang/busan_detection_hackathon

BranchesTags
 
 

Repository files navigation

2021 부산광역시 인공지능 학습용 데이터 해커톤 대회
- 제 2 분야: 공원내 발생하는 불법객체 데이터를 활용한 모델 개발

대회 규정에 따라 사용가능한 모델은 Yolo v4로 제한됨
PyTorch implementation of YOLOv4 를 fork 후 추가, 수정, 튜닝하여 개발함

Requirements

  • System

    • Ubuntu 18.04 에서 개발됨
    • GPU VRAM 12.8 GB 이상
      (아래의 실험들은 image size 640, batch size 16으로 이루어짐. VRAM 부족시 이 수치들은 하향 조정되어야 함)
    • RAM 12.1 GB 이상
      (만족할 수 없는 경우, train, test시 --cache-image를 사용하지 말 것)

  • Python

    • Python >= 3.7
    • pip install -r requirements.txt

Train / Val / Test 용 데이터 분할 및 Yolo형식으로 입력 데이터 변환

  • Train / Val / Test 구분

    • 데이터 들을 Train / Val / Test 용도로 구분하고, 각 용도로 쓰여질 파일 리스트를 json 형식으로 저장한다.
    • python convert2yolo/split_data.py --src /opt/ml/busan_detection_data --dst data/busan --test-ratio 0.1 --k 9
      • 위 예시의 경우, data/busan에 9개의 train/val set을 구성하고, 각 set 별로 json이 저장된다. 또한 1개의 test용 파일리스트를 갖는 json이 저장된다.
      • 위 예시의 경우, train:val:test = 8:1:1 비율 데이터가 구성된다.
      • 옵션 설명 - src: 대회 제공 원본 데이터가 저장된 경로 - dst: 파일 리스트 json이 저정될 경로 - test-ratio: 전체 데이터 중 test용으로 쓰일 비율 - k: test용 이외의 데이터는 k-fold 방식으로 train/val로 나뉜다. 그 때의 k - seed: 데이터 shuffle 시 쓰이는 seed

  • Yolo 형식 데이터 생성

    • Yolo 형식의 디렉토리 구조를 생성한다.
    • 생성된 디렉토리 구조에 이미지 파일을 복사한다.
    • Yolo 형식의 annotation 파일을 생성하여 저장한다.
    •  python convert2yolo/make_yolo_data_dir.py --train data/busan/train_val_1_9.json --test data/busan/test.json --src /opt/ml/busan_detection_data --dst /opt/ml/busan_detection_data_yolo_1_9
      • 생성된 'dst' 디렉토리는 data yaml파일에 입력되어 train, test시에 이용되어진다.
      • 옵션 설명 - train: split_data.py 통해 생성된 train/val set 중 선택된 set의 파일 리스트 json - test: split_data.py 통해 생성된 test 파일 리스트 json - src: 대회 제공 원본 데이터가 저장된 경로 - dst: Yolo 형식 데이터가 저장될 경로

실험

  • 모든 실험은 공통적으로 아래 조건에서 수행되었다.
    • csp-x-leaky 모델 사용
    • image size: 640 (train, val, test)
    • train epochs: 100
    • batch size: 16
  • 그 외, 아래 실험에서 명시하지 않은 사항은 yolov4 기본 세팅을 따랐다.

Augmentation

실험 번호 fliplr tra-nsl-ate mos-aic hsv rot-ate scale per-spe-ctive mix-up APval AP50val APtest AP50test 비고
A1 ✔ ✔ ✔ 0.643 0.792 0.652 0.802 baseline
A2 ✔ ✔ ✔ ✔ 0.645 0.794 0.648 0.801
A3 ✔ ✔ ✔ ✔ 0.630 0.811 0.635 0.816 서버 문제로 94 epoch까지만 학습
A4 ✔ ✔ ✔ ✔ 0.668 0.821 0.675 0.829
A5 ✔ ✔ ✔ ✔ 0.643 0.821 0.660 0.830
A6 ✔ ✔ ✔ ✔ 0.664 0.816 0.669 0.822
A7 ✔ ✔ ✔ ✔ ✔ 0.673 0.826 0.681 0.832 yolo default
A8 ✔ ✔ ✔ ✔ ✔ ✔ ✔ 0.603 0.810 0.624 0.818
A9 ✔ ✔ ✔ ✔ ✔ ✔ ✔ ✔ 0.585 0.810 0.602 0.820
각 실험의 shell command
  • 실험 A1 - flip lr, translate, mosaic
    • Train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_fliplr_t_mosaic.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --weights '' --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_100e
    • Test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_flip1r_t_mosaic_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_100e_best_ap
  • 실험 A2 - flip lr, translate, mosaic, hsv
    • Train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_fliplr_t_mosaic_hsv.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --weights '' --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_hsv_100e
    • Test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_flip1r_t_mosaic_hsv_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_hsv_100e_best_ap
  • 실험 A3 - flip lr, translate, mosaic, rotate
    • Train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_fliplr_t_mosaic_rotate.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --weights '' --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_rotate_100e
    • test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_flip1r_t_mosaic_rotate_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_rotate_100e_best_ap
  • 실험 A4 - flip lr, translate, mosaic, scale
    • Train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_fliplr_t_mosaic_scale.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --weights '' --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_scale_100e
    • Test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_flip1r_t_mosaic_scale_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_scale_100e_best_ap
  • 실험 A5 - flip lr, translate, mosaic, perspective
    • Train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_fliplr_t_mosaic_per.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --weights '' --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_per_100e
    • Test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_flip1r_t_mosaic_per_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_per_100e_best_ap
  • 실험 A6 - flip lr, translate, mosaic, mixup
    • Train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_fliplr_t_mosaic_mixup.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --weights '' --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_mixup_100e
    • Test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_flip1r_t_mosaic_mixup_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_mixup_100e_best_ap
  • 실험 A7 - flip lr, translate, mosaic, hsv, scale
    • Train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_yolo_default.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --weights '' --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_hsv_scale_yolo_default_100e
    • Test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_flip1r_t_mosaic_hsv_scale_yolo_default_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_flip1r_t_mosaic_hsv_scale_yolo_default_100e_best_ap
  • 실험 A8 - flip lr, translate, mosaic, hsv, scale, perspective, mixup
    • Train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_all_aug_except_rotate.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --weights '' --project busan --name x-leaky_bs16_640_640_all_aug_except_rotate_100e
    • Test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_all_aug_except_rotate_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_all_aug_except_rotate_100e_best_ap
  • 실험 A9 - flip lr, translate, mosaic, hsv, rotate, scale, perspective, mixup
    • Train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_all_aug.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --weights '' --project busan --name x-leaky_bs16_640_640_all_aug_100e
    • Test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_all_aug_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_all_aug_100e_best_ap

Focal Loss

Object loss, classification loss에 focal loss를 적용

실험 번호 실험 내용 APval AP50val APtest AP50test 비고
F1 CE loss 0.693 0.856 0.691 0.860 yolo default
F2 Focal loss 0.639 0.797 0.644 0.803 gamma=1.5
각 실험의 shell command
  • 실험 F1 - CE loss
    • train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_yolo_default.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --weights '' --project busan --name x-leaky_bs16_640_640_ce_loss_100e_13c
    • test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_ce_loss_100e_13c/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_ce_loss_100e_13c_best_ap
    • 실험 F2 - focal loss
      • train
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_yolo_default_focal.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --weights '' --project busan --name x-leaky_bs16_640_640_focal_loss_100e_13c
    • test 
      python test.py --device 0 --task test --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_focal_loss_100e_13c/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_focal_loss_100e_13c_best_ap

K-Fold

k=9 이므로 9개의 train/val set이 있으나, 시간 관계상 5개에 대해서만 train 하여 ensemble 하고자 한다.
아래 실험에서, data set 변경 외에는 다음 조건이 공통적으로 적용되었다.

  • Augmentation ~ flip lr, translate, mosaic, hsv, scale (yolo default) 적용
  • CE Loss 적용
실험 번호 실험 내용 APval AP50val APtest AP50test 비고
K1 1번 train/val set 0.693 0.856 0.691 0.860 F1 실험과 동일
K2 2번 train/val set 0.688 0.856 0.686 0.858
K3 3번 train/val set 0.697 0.862 0.687 0.859
K4 4번 train/val set 0.690 0.858 0.694 0.864
K5 5번 train/val set 0.690 0.855 0.690 0.865
각 실험의 shell command

  • 실험 K1 - 1번 train/val set

    • train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_1_9.yaml --hyp data/busan/hyp_yolo_default.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --weights '' --project busan --name x-leaky_bs16_640_640_k1_100e
    • test 
      python test.py --device 0 --task test --save-output --batch 16 --img 640  --data data/busan/park_1_9.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_k1_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_k1_100e

  • 실험 K2 - 2번 train/val set

    • train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_2_9.yaml --hyp data/busan/hyp_yolo_default.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --weights '' --project busan --name x-leaky_bs16_640_640_k2_100e
    • test 
      python test.py --device 0 --task test --save-output --batch 16 --img 640  --data data/busan/park_2_9.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_k2_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_k2_100e

  • 실험 K3 - 3번 train/val set

    • train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_3_9.yaml --hyp data/busan/hyp_yolo_default.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --weights '' --project busan --name x-leaky_bs16_640_640_k3_100e
    • test 
      python test.py --device 0 --task test --save-output --batch 16 --img 640  --data data/busan/park_3_9.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_k3_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_k3_100e

  • 실험 K4 - 4번 train/val set

    • train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_4_9.yaml --hyp data/busan/hyp_yolo_default.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --weights '' --project busan --name x-leaky_bs16_640_640_k4_100e
    • test 
      python test.py --device 0 --task test --save-output --batch 16 --img 640  --data data/busan/park_4_9.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_k4_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_k4_100e

  • 실험 K5 - 5번 train/val set

    • train 
      python train.py --device 0 --cache-images --batch-size 16 --epochs 100 --img-size 640 640 --data data/busan/park_5_9.yaml --hyp data/busan/hyp_yolo_default.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --weights '' --project busan --name x-leaky_bs16_640_640_k5_100e
    • test 
      python test.py --device 0 --task test --save-output --batch 16 --img 640  --data data/busan/park_5_9.yaml --cfg cfg/yolov4-csp-x-leaky_busan.cfg --names data/busan/park.names --weights busan/x-leaky_bs16_640_640_k5_100e/weights/best_ap.pt --project busan --name x-leaky_bs16_640_640_k5_100e

Ensemble - WBF (Weighted Boxes Fusion) [paper] [implementation]

K1 ~ K5를 대상으로 한다. 재현을 위해서는 K1 ~ K5 test시 --save-output 옵션을 통해 inference 결과가 저장되어 있어야 한다.

실험 번호 대상 inference IOU threshold Weights APtest AP50test 비고
E1 K1~K5 0.60 1.0,1.0,1.0,1.0,1.0 0.688 0.860
E2 K1~K5 0.65 1.0,1.0,1.0,1.0,1.0 0.709 0.870
E3 K1~K5 0.70 1,1,1,1,1 0.714 0.873
E4 K1~K5 0.75 1.0,1.0,1.0,1.0,1.0 0.712 0.872
E5 K1~K5 0.80 1.0,1.0,1.0,1.0,1.0 0.710 0.869
E6 K1~K5 0.70 1.0,1.0,1.0,2.0,1.0 0.712 0.872
E7 K1~K5 0.70 1.0,1.0,1.0,3.0,1.0 0.709 0.871
E8 K1~K5 0.70 1.5,1.0,1.0,2.0,1.5 0.714 0.873
E9 K1~K5 0.70 1.5,1.2,1.2,2.0,1.5 0.714 0.873
각 실험의 shell command

  • 실험 E1

    • ensemble
    python ensemble.py --dst busan/ensemble_iou60_w11111.pkl --iou-thr 0.6 --preds busan/test_best_ap_x-leaky_bs16_640_640_k1_100e/test_best_ap_x-leaky_bs16_640_640_k1_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k2_100e/test_best_ap_x-leaky_bs16_640_640_k2_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k5_100e/test_best_ap_x-leaky_bs16_640_640_k5_100e_output.pkl
    • test
    python test.py --device 0 --batch 16 --img 640  --data data/busan/park_1_9.yaml --names data/busan/park.names --load-output-pickle busan/ensemble_iou60_w11111.pkl --plots --task test --project busan --name ensemble_iou60_w11111

  • 실험 E2

    • ensemble
    python ensemble.py --dst busan/ensemble_iou65_w11111.pkl --iou-thr 0.65 --preds busan/test_best_ap_x-leaky_bs16_640_640_k1_100e/test_best_ap_x-leaky_bs16_640_640_k1_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k2_100e/test_best_ap_x-leaky_bs16_640_640_k2_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k5_100e/test_best_ap_x-leaky_bs16_640_640_k5_100e_output.pkl
    • test
    python test.py --device 0 --batch 16 --img 640  --data data/busan/park_1_9.yaml --names data/busan/park.names --load-output-pickle busan/ensemble_iou65_w11111.pkl --plots --task test --project busan --name ensemble_iou65_w11111

  • 실험 E3

    • ensemble
    python ensemble.py --dst busan/ensemble_iou70_w11111.pkl --iou-thr 0.7 --preds busan/test_best_ap_x-leaky_bs16_640_640_k1_100e/test_best_ap_x-leaky_bs16_640_640_k1_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k2_100e/test_best_ap_x-leaky_bs16_640_640_k2_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k5_100e/test_best_ap_x-leaky_bs16_640_640_k5_100e_output.pkl
    • test
    python test.py --device 0 --batch 16 --img 640  --data data/busan/park_1_9.yaml --names data/busan/park.names --load-output-pickle busan/ensemble_iou70_w11111.pkl --plots --task test --project busan --name ensemble_iou70_w11111

  • 실험 E4

    • ensemble
    python ensemble.py --dst busan/ensemble_iou75_w11111.pkl --iou-thr 0.75 --preds busan/test_best_ap_x-leaky_bs16_640_640_k1_100e/test_best_ap_x-leaky_bs16_640_640_k1_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k2_100e/test_best_ap_x-leaky_bs16_640_640_k2_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k5_100e/test_best_ap_x-leaky_bs16_640_640_k5_100e_output.pkl
    • test
    python test.py --device 0 --batch 16 --img 640  --data data/busan/park_1_9.yaml --names data/busan/park.names --load-output-pickle busan/ensemble_iou75_w11111.pkl --plots --task test --project busan --name ensemble_iou75_w11111

  • 실험 E5

    • ensemble
    python ensemble.py --dst busan/ensemble_iou80_w11111.pkl --iou-thr 0.8 --preds busan/test_best_ap_x-leaky_bs16_640_640_k1_100e/test_best_ap_x-leaky_bs16_640_640_k1_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k2_100e/test_best_ap_x-leaky_bs16_640_640_k2_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k5_100e/test_best_ap_x-leaky_bs16_640_640_k5_100e_output.pkl
    • test
    python test.py --device 0 --batch 16 --img 640  --data data/busan/park_1_9.yaml --names data/busan/park.names --load-output-pickle busan/ensemble_iou80_w11111.pkl --plots --task test --project busan --name ensemble_iou80_w11111

  • 실험 E6

    • ensemble
    python ensemble.py --dst busan/ensemble_iou70_w1010102010.pkl --iou-thr 0.7 --weights 1.0 1.0 1.0 2.0 1.0 --preds busan/test_best_ap_x-leaky_bs16_640_640_k1_100e/test_best_ap_x-leaky_bs16_640_640_k1_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k2_100e/test_best_ap_x-leaky_bs16_640_640_k2_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k5_100e/test_best_ap_x-leaky_bs16_640_640_k5_100e_output.pkl
    • test
    python test.py --device 0 --batch 16 --img 640  --data data/busan/park_1_9.yaml --names data/busan/park.names --load-output-pickle busan/ensemble_iou70_w1010102010.pkl --plots --task test --project busan --name ensemble_iou70_w1010102010

  • 실험 E7

    • ensemble
    python ensemble.py --dst busan/ensemble_iou70_w1010103010.pkl --iou-thr 0.7 --weights 1.0 1.0 1.0 3.0 1.0 --preds busan/test_best_ap_x-leaky_bs16_640_640_k1_100e/test_best_ap_x-leaky_bs16_640_640_k1_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k2_100e/test_best_ap_x-leaky_bs16_640_640_k2_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k5_100e/test_best_ap_x-leaky_bs16_640_640_k5_100e_output.pkl
    • test
    python test.py --device 0 --batch 16 --img 640  --data data/busan/park_1_9.yaml --names data/busan/park.names --load-output-pickle busan/ensemble_iou70_w1010103010.pkl --plots --task test --project busan --name ensemble_iou70_w1010103010

  • 실험 E8

    • ensemble
    python ensemble.py --dst busan/ensemble_iou70_w1510102015.pkl --iou-thr 0.7 --weights 1.5 1.0 1.0 2.0 1.5 --preds busan/test_best_ap_x-leaky_bs16_640_640_k1_100e/test_best_ap_x-leaky_bs16_640_640_k1_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k2_100e/test_best_ap_x-leaky_bs16_640_640_k2_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k5_100e/test_best_ap_x-leaky_bs16_640_640_k5_100e_output.pkl
    • test
    python test.py --device 0 --batch 16 --img 640  --data data/busan/park_1_9.yaml --names data/busan/park.names --load-output-pickle busan/ensemble_iou70_w1510102015.pkl --plots --task test --project busan --name ensemble_iou70_w1510102015

  • 실험 E9

    • ensemble
    python ensemble.py --dst busan/ensemble_iou70_w1512122015.pkl --iou-thr 0.7 --weights 1.5 1.2 1.2 2.0 1.5 --preds busan/test_best_ap_x-leaky_bs16_640_640_k1_100e/test_best_ap_x-leaky_bs16_640_640_k1_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k2_100e/test_best_ap_x-leaky_bs16_640_640_k2_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k3_100e/test_best_ap_x-leaky_bs16_640_640_k3_100e_output.pkl busan/test_best_ap_x-leaky_bs16_640_640_k5_100e/test_best_ap_x-leaky_bs16_640_640_k5_100e_output.pkl
    • test
    python test.py --device 0 --batch 16 --img 640  --data data/busan/park_1_9.yaml --names data/busan/park.names --load-output-pickle busan/ensemble_iou70_w1512122015.pkl --plots --task test --project busan --name ensemble_iou70_w1512122015

About

Object Detection - Illegal Object in Park

Resources

Readme
Activity

Stars

2 stars

Watchers

0 watching

Forks

4 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages

  • Python 98.5%
  • Shell 1.5%