프로젝트 개요

• 배경: ‘쓰레기 대란’, ‘매립지 부족’과 같은 쓰레기로 인한 사회적 문제 해결 필요

• 주제: 재활용 품목 분류를 위한 Semantic Segmentation 모델 개발

• 기대 효과

  • 쓰레기장 설치 및 활용으로 분리수거의 정확도 향상
  • 아이들의 분리수거 교육에 활용

  

• Input: 쓰레기 객체가 담긴 이미지

• Output

  • segmentation 결과 (pixel별 classification 결과)
  • 카테고리 ("Backgroud", "General trash", "Paper", "Paper pack", "Metal", "Glass", "Plastic", "Styrofoam", "Plastic bag", "Battery", "Clothing")

프로젝트 팀 구성 및 역할

• 김지훈: Augmentation 실험, Ensemble 구현 및 실험
• 원준식: baseline 작성, cross validation 실험
• 송영섭: mmseg를 위한 여러 Augmentation 구현 및 실험
• 허건혁: EDA를 위한 시각화 tool 개발 & Copy Paste augmentation 실험
• 홍주영: multi-scale TTA , Pseudo-labeling 실험

프로젝트 수행 절차 및 방법

Model 선정

지난 object detection 대회에서 좋은 성능을 보여주었던 Swin Transformer - L 모델과 Convnext - XL 모델을 UperNet의 backbone으로 사용

convnext 모델이 swin 모델과 비슷한 성능을 보여주지만 훈련 시간이 매우 적기 때문에 convnext 모델도 함께 baseline으로 차용

Augmentation

기본적으로 mmsegmentation에 적용되어 있던 Resize, Random Flip, PhotoMetricDistortion, Normalize Augmentation을 사용하였으며 마지막에 Ablumentation Augmentation(Random Rotate90, One of (Blur, GaussianBlur, MotionBlur))을 추가하여 함께 사용