[MMDetection] 5주차: 프로젝트 발표 및 심화 학습

강의 목표

1. 수강생들이 진행한 프로젝트를 발표하고 피드백을 받는다.
2. MMDetection의 심화 기능을 학습한다.
3. Custom 데이터셋을 사용한 모델 학습 및 최적화 방법을 이해한다.

강의 구성

12강: 프로젝트 발표 (60분)

• 내용
  • 수강생 프로젝트 발표
  • 발표 후 피드백 및 Q&A 시간
• 활동
  • 각 팀/개인의 프로젝트 발표 (프로젝트 주제, 데이터셋, 모델, 결과 등)
  • 피드백 제공 및 개선 사항 논의

13강: 심화 학습 (60분)

• 내용
  • MMDetection의 심화 기능 소개
  • Custom 데이터셋 사용 방법
  • 모델 튜닝 및 최적화 방법
• 활동
  • Custom 데이터셋 예제 탐색
  • Q&A 시간

14강: 종합 토론 및 Q&A (60분)

• 내용
  • 강의 내용 종합 정리
  • 추가 학습 자료 및 참고 문헌 소개
  • 전체 Q&A 시간
• 활동
  • 토론 및 의견 교환
  • 최종 피드백 및 수료식

강의 자료

12강 자료

1. 발표 자료: 각 팀/개인의 프로젝트 발표 자료
2. 평가 양식: 발표 평가 및 피드백 양식

13강 자료

1. 슬라이드: MMDetection 심화 기능 및 Custom 데이터셋 사용 방법
2. 자료: Custom 데이터셋 예제 코드 및 가이드
3. 링크:
   • MMDetection Custom 데이터셋 문서

14강 자료

1. 슬라이드: 강의 내용 종합 정리
2. 자료: 추가 학습 자료 및 참고 문헌
3. 설문지: 강의 평가 및 피드백 설문지

실습 안내

실습 1: Custom 데이터셋 사용

  1. Custom 데이터셋 준비

1. • 데이터셋 어노테이션 파일 작성 (예: JSON 형식)
   • 이미지 파일 준비 및 디렉토리 구조 설정

  2. 설정 파일 수정

• Custom 데이터셋 경로 및 어노테이션 파일 경로 설정

dataset_type = 'CocoDataset'
data_root = 'data/my_custom_dataset/'

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

 

 

  3. 학습 및 평가 스크립트 실행

python tools/train.py configs/my_custom_config.py
python tools/test.py configs/my_custom_config.py work_dirs/my_custom_config/latest.pth --eval bbox

실습 2: 모델 튜닝 및 최적화

1. 학습 하이퍼파라미터 튜닝
   • 배치 크기, 학습률, 스케줄러 등 조정
   • 최적의 하이퍼파라미터 찾기
2. 모델 아키텍처 변경
   • 백본 네트워크 변경 (예: ResNet -> EfficientNet)
   • 기타 아키텍처 변경 (예: FPN 레이어 조정)

과제

1. Custom 데이터셋을 사용하여 객체 검출 모델을 학습시키고, 결과를 분석하여 제출합니다.
2. 학습한 모델의 성능을 개선하기 위한 튜닝 및 최적화 방법을 적용하고, 그 결과를 보고서 형식으로 작성합니다.

참고 자료

• MMDetection 공식 문서
• PyTorch 공식 문서
• 객체 검출 평가 지표 문서
• EfficientDet 논문