2022-11-15 (화) Daily Tasks & Time Log

Daily Tasks

• ✅ 데일리 스크럼 참여 (10:00 ~ 10:10)
• ✅ 피어세션 참여 (16:00 ~ 17:00)
• ⏳우리팀을 소개합니다(우팀소) 준비
• ⏳GPU 서버 생성 및 셋팅
• ⏳삶의 지도 그리기
• ⏳강의 수강
  • ✅ [1강] Object Detection Overview 
    • Object Detection Overview (라이브러리, 평가지표)
    • 강의 목표 및 커리큘럼 소개
  • ⏳[2강] 2 Stage Detectors  
    •  R-CNN, SPPNet, Fast R-CNN
  • [3강] Object Detection Library 
    • MMDetection & Detectron2  
  • [4강] Neck 
    • Neck, FPN, PANet, DetectorRS, BiFPN, NASFPN, AugFPN
  • [5강] 1 Stage Detectors 
    • 1 stage Detector 배경
    • YOLO Family, SSD 소개
    • RetinaNet 및 Focal Loss 소개
  • [6강] EfficientDet 
    • Model Scaling, EfficientNet, EfficientDet 소개
  • [7강] Advanced Object Detection 1  
    • Cascade RCNN 소개
    • Deformable Convolutional Networks (DCN) 소개
    • Transformer 소개
  • [8강] Advanced Object Detection 2  
    • YOLO v4, M2Det, CornerNet 소개 
  • [9강] Ready for Competition !  
    • 컴피티션 및 데이터셋에 대한 소개 
    • 컴피티션을 위한 팁 소개
    • 컴피티션으로 학습하는 방법 소개
  • [10강] Object Detection in Kaggle  
    • 캐글 대회중 Object Detection 대회 소개
    •  대회의 탑 솔루션 리뷰

 

Time Log

08:40 ~ 09:00 출석체크, 실명인증, 오늘 할 일 정리

09:00 ~ 09:30 GitHub App 설치 요청 (Slack, Notion, Octotree, Streamlit, Weights & Biases, Colaboratory) 참고링크

10:00 ~ 10:10 데일리 스크럼

10:10 ~ 12:00 강의 수강

12:00 ~ 13:00 점심식사

13:00 ~ 16:00 강의 수강

16:00 ~ 17:25 피어세션

17:25 ~ 18:00 휴식

18:00 ~ 18:30 저녁식사

18:00 ~ 19:40 강의 수강

20:00 ~ 20:50 필라테스

 

 

 

데일리스크럼

 

 

 

피어세션

 

 

 

강의 노트

 

3강

One Stage에 대해 알아보기 전에 Object Detection Library 중 많이 쓰이는 MMDetection과 Detectron2에 대해 알아볼 예정

 

차이점

- MMDetection : 더 많은 프레임워크 지원

- Detectron2 : OD 외에 Segmentation, Pose Detection을 지원함

 

최근 많은 논문들이 MMDetection을 기반으로 하고 있음. 

단점으로는 조금 더 MMDetection을 잘 쓰기 위해서는 라이브러리에 대한 높은 이해도를 필요로 함

모델 구조를 하나의 config 파일로 지정할 수 있음

 

최근 OD은 Neck 단계를 거침. Neck을 feature map이라고 봐도 된다.

Neck: backbone과 head를 연결하고 Feature map을 재구성한다. (ex. FPN)

 

from mmcv import Config

cfg = Config.fromfile('config.py')