프로젝트 개요

목적

모델 구조 변형을 통한 YOLOX-nano의 정확도(mAP) 개선 및 경량화

활용 장비 및 재료

• 개발 환경 : Aistages server(Tesla v100), VScode, Jupyter NoteBook
• 협업 Tools : Git, GitHub, Wandb, Notion

Dataset

• Pascal VOC 2007 (20가지 클래스) [link]
  • Training set : 5,011장 (VOC 2007 train/val)
  • Validation set : 4,952장 (VOC 2007 test)

프로젝트 팀 구성 및 역할

김대유 : Backbone 변경 및 Conv 블록 실험

권혁산 : 프로젝트 Leading, Pruning, Neck 구조 변형

정효재 : Baseline분석, BaseConv 변형 실험

이상진 : BaseConv 변형하여 실험 진행

김찬민 : Darknet, base conv 변형 실험

프로젝트 수행 절차 및 방법

프로젝트 기본 조건

• YOLOX_nano / architecture

  • 기본적으로 1 stage detector 구조

  • Input – Backbone – Neck – Dense prediction

  • Input image가 darknet53의 backbone을 통해 feature map 추출

  • pafpn이라는 feature pyramid network로 연결한 후 Output을 통해 prediction을 진행

  • head가 2개로 분리된 decoupled head 구조를 통해 prediction을 진행

  • YOLOX에서는 head 부분을 분리시켜 Classification과 Localization에 각각 더 적합한 Fully connected head와 convolution head를 적용시킨 decoupled head 방식을 통해 성능 향상을 이끌어 냄

  • 기본 성능(YOLOX_nano / Base score)