NaverBoost Camp 4기/[P stage] Semantic Segmentation

[P stage][Semantic Seg] ModuleNotFoundError: No module named 'utils'

ModuleNotFoundError: No module named 'utils' 오류 발생 잘 되던 놈이 안되서 경로를 보고자 하였다 이걸 통해서 환경설정을 하였지만 편의를 위해 바깥으로 뺐다가 생긴 문제 이거를 같은 폴더에 넣어주므로써 해결 pip install utils 부터 별걸 다해봤다...\ 허무한 결과..

[P stage][Semantic Seg] 실행코드

실행코드 nohup python utils/mm_train.py config/pspnet_r50-d8_512x512_160k_ade20k.py --work-dir='/opt/ml/mmsegoutput' & tail -f nohup.out 기다리는 동안 Jira나 연결해보자 JQL 연결해주고 이슈를 만들어주자 U Net을 하고 싶었지만 pretrained 데이터가 전부 안구 관련이여서 기각하고 PspNet을 선정하였다 시작해보자 branch파주고 처음시작했던 Baseline을 제출했을때의 결과이다

[P stage][Semantic Seg] mmsegmentation 설치 방법

부스트캠프 4기-영섭 캠퍼가 준 방법 1. Conda 가상환경 생성하기 conda create --name openmmlab python=3.8 -y conda activate openmmlab conda activate에서 위와 같은 오류가 발생하여서 생각을 해보니 root@~ 앞에 (base)가 없는 걸 보고 그냥 터미널을 다시 열었다 어쩌다 보니 해결 ㅇㅇ.. 2. Pytorch 생성하기 conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch 3. MIM과 MMCV 설치하기 pip install -U openmim mim install mmcv-full 4. mmsegmentation 설..

[P stage][Semantic Seg] 대회 프리뷰 & Segmentation 대회 소개 (마스터 클래스)

1. 대회 Preview Semantic Segmentation 픽셀 단위의 분류를 수행하기에 상대적으로 학습이 어렵고 annotation에 노이즈가 많은 편이다 학습 크기를 4096 x 2048같은 고해상도 이미지는 모델 학습하기가 어려워서 512 x 512로 줄여서 제공 2. Segmentation 경진대회 소개 * 한국인 헤어스타일 경진대회 노이즈를 제거하는 방법 Co-Teaching이라는 방법을 사용 -> 학습시 배치마다 로스가 큰 이미지 몇개를 제거하고 학습하는 방법 (32개 중에 로스가 높은 2개를 제거하고 30개만 학습) 좀 더 강건하게 학습을 할 수 있다 마스크의 일부 영역을 잘라서 이미지의 일부 영역에 붙임 -> 양갈래 머리가 없었던 데이터의 한계를 극복하고자 하였다 * Body Morp..

[P stage][Semantic Seg] 대회 환경세팅

다운로드한 Extension 1. Jupyter 이건 jupyter notebook으로 작업하기 위해 다운 받음 2. Atlassian (Jira) Jira에 issue를 만드는 것과 동시에 branch를 만들 수 있어서 너무 편함 3. Github (Pull request and Issues) 협업 툴을 Github로 정해서 PR을 하거나 Issue를 만들기 위해 다운 4. Python 이거 안 받으면 jupyter notebook돌릴 때 아래 같은 오류가 난다 공동 Github를 clone 해오자 git clone https://github.com/boostcampaitech4lv23cv2/level2_semanticsegmentation_cv-level2-cv-13.git 잘 가져온 것을 확인할 수..

[P stage][Semantic Seg] COCO Format, Baseline, mIoU

COCO Format COCO Format은 json 방식으로 제공 train_all.json은 Train과 vaild데이터 셋이 합쳐진거 모든 image는 "batch_01_vt", "batch_02_vt", "batch_03_vt"에 Train/Vaild/Test 구분없이 들어가 있음 (annotation을 확인해보면 이미 저 batch를 포함한 경로로 지정되어 있으므로 그냥 사용하면 될듯하다) Image의 annotation 1. info info에는 data set에 대한 high level 정보가 담김 2. licenses 3. images file_name에 경로와 파일이름이 담겨져 있다 4. categories 해당 image에 해당하는 class에 대한 정보 (class에 해당하는 id,n..