프로젝트 개요

목적

재활용 품목 분류

재활용 품목 분류를 위한 Semantic Segmentation

쓰레기를 분리하는 모델로 분리수거를 늘려서 환경 보호

활용 장비 및 재료

• 개발 환경 : AIstages server, VScode, Jupyter NoteBook

• 협업 Tools : Git, GitHub, Wandb, mmSegmentation

• Dataset

  전체 이미지 개수 : 3272장

  출력값 : Mask_Image / COCO 형식 [11 class]

  Class : Background, General trash, Paper, Paper pack, Metal, Glass, Plastic, Styrofoam, Plastic bag, Battery, Clothing → 총 11가지 종류의 쓰레기를 분류

  이미지 크기 : (1024, 1024)

• 프로젝트 구조

기대효과

• 쓰레기 분류 배출문제에 있어서 분리수거 당시 오분류된 쓰레기를 찾아내거나, 어린 아이들을 대상으로 쓰레기 분리 배출에 대한 학습자료에 이용할 수 있다. 궁극적으로는 어떤 사람이든 손쉽게 쓰레기 분리 기준에 대해 알아나가는 것에 대해 큰 도움을 줄 것이다.

프로젝트 팀 구성 및 역할

김대유 : mmSegmentation 환경 설정 / 데이터 셋 정리 / 모델 학습

권혁산 : 최종프로젝트 기획안 작성 / 학습 데이터셋 생성 / 모델 학습

정효재 : baseline 코드 분석 및 실행

이상진 : 데이터셋 포맷에 맞게 변경 / mmsegmentation을 통한 모델 학습 / pseudo labelling

김찬민 : baseline 코드 실행 및 분석

프로젝트 수행 절차 및 방법 (모듈별로 TDD 수행)

모델실험

• 단일 모델

  

• Ensemble

  

전과 비교해, 새롭게 시도한 실험 및 효과

• Semantic Segmentation에서 annotation 시각화를 진행하였고, annotation에 대한 불균형을 해소하기 위해서 stratified k-fold를 사용했다.
• Semantic Segmentation을 위한 라이브러리를 알게되었고, 이를 사용하면서 다양한 실험세팅과 설정을 사용할 수 있었다. 또한 SOTA 모델에 대해서도 다양한 방법으로 성능을 테스트하는 방법에 대해서도 알게 되었다.

마주한 한계와 아쉬웠던 점

• 특정 오브젝트의 성능을 높이기 위해 어떤 점을 중점을 두고 개선해야 하는지 인지하지 못한 점이 아쉽다.
• Semantic Segmentation annotation관련해서 수정을 하거나 선택적으로 삭제하는 방식에 대해서 하지 못했다는 점이 아쉽다.

대회를 통해 깨달음 점