[MMDetection] 3주차: 모델 설정 및 학습

강의 목표

1. MMDetection 설정 파일의 구조를 이해한다.
2. 다양한 객체 검출 모델을 설정하고 학습하는 방법을 학습한다.

강의 구성

6강: 설정 파일 이해 (45분)

• 내용
  • MMDetection 설정 파일의 구조와 주요 구성 요소 설명
  • 모델 설정, 데이터 설정, 학습 하이퍼파라미터 등 주요 항목 설명
  • 설정 파일 수정 방법
• 활동
  • 설정 파일 예제 탐색
  • Q&A 시간

7강: 모델 선택 (45분)

• 내용
  • 다양한 모델 아키텍처 소개 (Faster R-CNN, Mask R-CNN, RetinaNet 등)
  • 각 모델의 특징 및 적용 사례 설명
  • 프로젝트에 적합한 모델 선택 방법
• 활동
  • 각 모델의 논문 읽기 및 이해
  • 모델 선택 실습

8강: 학습 설정 및 실행 (60분)

• 내용
  • 설정 파일 수정 및 학습 준비
  • 학습 스크립트 실행 및 로그 분석
  • 학습 과정 모니터링 및 문제 해결 방법
• 활동
  • 실습: 설정 파일 수정
  • 실습: 학습 스크립트 실행 및 결과 확인

강의 자료

6강 자료

1. 슬라이드: MMDetection 설정 파일 구조 및 주요 구성 요소 설명
2. 자료: 설정 파일 예제
3. 링크:
   • MMDetection 설정 파일 문서

7강 자료

1. 슬라이드: 다양한 모델 아키텍처 및 특징 설명
2. 논문:
   • Faster R-CNN 논문
   • Mask R-CNN 논문
   • RetinaNet 논문

8강 자료

1. 실습 가이드: 설정 파일 수정 및 학습 스크립트 실행 가이드
2. 스크립트: 학습 스크립트 예제

실습 안내

실습 1: 설정 파일 수정

  1. 설정 파일 예제 열기 (예: Faster R-CNN)

cd mmdetection/configs/faster_rcnn
vi faster_rcnn_r50_fpn_1x_coco.py

 

  2. 설정 파일 수정

1. • 데이터 경로 설정
   • 학습 하이퍼파라미터 조정 (batch size, learning rate 등)
    

dataset_type = 'CocoDataset'
data_root = 'data/coco/'

data = dict(
    train=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/instances_train2017.json',
        img_prefix=data_root + 'train2017/'),
    val=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/instances_val2017.json',
        img_prefix=data_root + 'val2017/'),
    test=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/instances_val2017.json',
        img_prefix=data_root + 'val2017/'))

optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
lr_config = dict(
    policy='step',
    warmup='linear',
    warmup_iters=500,
    warmup_ratio=0.001,
    step=[8, 11])
total_epochs = 12

 

실습 2: 학습 스크립트 실행

  1. 학습 스크립트 실행

python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py

 

  2. 학습 로그 확인 및 분석

tail -f work_dirs/faster_rcnn_r50_fpn_1x_coco/20210501_212636.log

 

  3. 학습 중 발생하는 오류 해결

• 학습 중 자주 발생하는 오류와 해결 방법 설명

과제

1. 선택한 모델의 설정 파일을 수정하여 자신만의 객체 검출 모델을 학습시키고, 학습 결과를 제출합니다.
2. 학습 과정에서 발생한 문제와 해결 방법을 보고서 형식으로 작성합니다.

참고 자료

• MMDetection 공식 문서
• PyTorch 공식 문서
• 객체 검출 모델 논문