[CV] Object Detection library (1) - Detectron 2

Object Detection은 통합된 라이브러리가 없어서 실무나 캐글에서는 주로 MMDetection이나 Detectron2를 사용함

	MMDetection	Detectron2
특징	- 전체 프레임워크를 모듈 단위로 분리해 관리할 수 있음 - 많은 데이터 프레임워크 지원 - 다른 라이브러리에 비해 빠른 편	- 전체 프레임워크를 모듈 단위로 분리해 관리할 수 있음 - OD외에 Segmentation이나 Pose prediction등의 알고리즘 지원
지원 모델	Fast R-CNN, SSD, YOLO v3, DETR 등	Faster R-CNN, RetinaNet, Mask R-CNN, DETR 등

 

 

 

Detectron 2

https://github.com/facebookresearch/detectron2

GitHub - facebookresearch/detectron2: Detectron2 is a platform for object detection, segmentation and other visual recognition t

 

- Facebook AI Research의 Pytorch 기반 라이브러리
- Object Detection 외에도 Segmentation, Pose prediction 등 여러 task를 위한 pytorch 기반의 오픈소스 라이브러리로 실무와 연구에서도 자주 쓰임
- 모델의 종류가 다양하고, SOTA 모델의 반영 속도가 빠름
- 사용방법이 익숙하지 않으면 진입장벽이 조금 있음

 

 

 

사용 방법

1. Config 파일을 기반으로 모델 및 학습 환경 빌드

 

 

2. 사용할 모델의 config 파일 불러온 후 custom

yaml 형식으로 되어있음
사용할 모델의 config 파일을 불러와서 그 중 일부를 수정하여 사용

• 사용할 데이터셋과 그 외 설정들을 변경 후 사용
• base config 파일을 바탕으로 파이프라인을 build하고 학습함
• 틀이 갖춰진 기본 config 상속 받고 필요 부분만 수정해서 사용
• 다양한 augmentation도 적용 가능함 (자유도는 높지만 사전에 정의된 모듈 외에는 사용이 어려움)

 

데이터셋 등록하기 

 

 

Config 파일 불러오기 

-> config 파일 중 수정해야할 내용 수정 후 사용하면 됨

 

 

 

 

개인적인 사용 후기

base config 파일을 사용해서 학습해도 성능이 어느정도 나오지만 일정 수준 이상으로 올리기는 어려움

자유도는 높지만 다양한 augmentation을 사용하거나 optimizer를 변경하기에는 baseline 코드에서 수정해야할 내용이 많아서 대회 기간 내에 많은 실험을 적용을 해보지 못한 점이 아쉬움 (시간이 짧아요...)