들어가기 전에

지난 시간에 이어 Object Detection의 대표 라이브러인 Detectron2에 대해서 살펴보도록 하겠습니다.

학습 목표

• Detectron2 라이브러리를 이해하고, 이를 활용해 Object Detection 문제를 해결할 수 있다.

핵심 단어

• Detectron2

강의 듣기

Detectron2

• Facebook AI Research의 Pytorch 기반 라이브러리
• Object Detection 외에도 Segmentation, Pose prediction 등 알고리즘도 제공

Config file

구조

• MMDetection과 유사하게 config 파일을 수정, 이를 바탕으로 파이프라인을 build하고 학습함
• 틀이 갖춰진 기본 config를 상속 받고, 필요한 부분만 수정해 사용함
  

불러오기

• 디폴트 컨피그를 불러온 후, 기본적인 내용이 채워진 yaml 형식의 config 파일로 채움
  
  
  

Dataset

Config

• 데이터셋, 데이터로더와 관련된 config
• TRAIN, TEST에 각각 등록한 train 데이터셋과 test 데이터셋의 이름을 입력함
• 데이터셋, 데이터로더와 관련된 config
• TRAIN, TEST에 각각 등록한 train 데이터셋과 test 데이터셋의 이름을 입력함
  
  

Dataset 등록

• 커스텀 데이터셋을 사용하고자 할 때는 데이터셋을 등록해야함
• (옵션) 전체 데이터셋이 공유하는 정보 (ex. class명, 파일 디렉토리 등)을 메타 데이터로 등록할 수 있음
  
  
  
  
• config 파일에 train 데이터셋과 test(val) 데이터셋을 명시해 사용할 수 있도록 함
  
  

Data augmentation

• augmentation 정보가 담긴 mapper 정의
  
  
  
• Dataloader에 mapper를 input으로 넣어줌
  
  

Model

Config

• BACKBONE: 인풋 이미지를 특징맵으로 변형해주는 네트워크
  
• FPN: Backbone과 head를 연결, Feature map을 재구성
  
• ANCHOR_GENERATOR
• RPN
• ROI_HEADS
• ROI_BOX_HEAD
  

Solver

Config

• LR_SCHEDULER
• WEIGHT_DECAY
• CLIP_GRADIENTS

전체 파이프라인

• 라이브러리 및 모듈 import하기
  
  
  
• 데이터셋 등록하기
  
  
  
• config 파일 불러오기
  
  
  
• config 수정하기
  
  
  
• Augmentation mapper 정의
  
  
  
• 학습
  
  

참고자료