반응형
강의 목표
- 수강생들이 진행한 프로젝트를 발표하고 피드백을 받는다.
- MMDetection의 심화 기능을 학습한다.
- 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
- 발표 자료: 각 팀/개인의 프로젝트 발표 자료
- 평가 양식: 발표 평가 및 피드백 양식
13강 자료
- 슬라이드: MMDetection 심화 기능 및 Custom 데이터셋 사용 방법
- 자료: Custom 데이터셋 예제 코드 및 가이드
- 링크:
14강 자료
- 슬라이드: 강의 내용 종합 정리
- 자료: 추가 학습 자료 및 참고 문헌
- 설문지: 강의 평가 및 피드백 설문지
실습 안내
실습 1: Custom 데이터셋 사용
1. Custom 데이터셋 준비
-
- 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
- 학습 하이퍼파라미터 튜닝
- 배치 크기, 학습률, 스케줄러 등 조정
- 최적의 하이퍼파라미터 찾기
- 모델 아키텍처 변경
- 백본 네트워크 변경 (예: ResNet -> EfficientNet)
- 기타 아키텍처 변경 (예: FPN 레이어 조정)
과제
- Custom 데이터셋을 사용하여 객체 검출 모델을 학습시키고, 결과를 분석하여 제출합니다.
- 학습한 모델의 성능을 개선하기 위한 튜닝 및 최적화 방법을 적용하고, 그 결과를 보고서 형식으로 작성합니다.
참고 자료
반응형
'AI Framework > MMDetection' 카테고리의 다른 글
[MMDetection] 6주차: 실무 적용 및 확장 학습 (0) | 2024.05.31 |
---|---|
[MMDetection] 4주차: 모델 평가 및 시각화 (0) | 2024.05.31 |
[MMDetection] 3주차: 모델 설정 및 학습 (0) | 2024.05.31 |
[MMDetection] 2주차: 데이터 준비 (0) | 2024.05.31 |
[MMDetection] 1주차: MMDetection 소개 및 환경 설정 (0) | 2024.05.31 |