• 팀 소개
  
• 최종 결과
  
• 대회 개요
  
• 문제 정의 해결 및 방법
  
• CODE 설명
  

• Semantic Segmentation & Object Detection 18조 Multi-Head Ensemble Team
• 조원 : 김유지, 김홍엽, 김효진 , 박성배, 박성훈, 오혜린

김유지	김홍엽	김효진	박성배	박성훈	오혜린

• Semantic Segmentaion :
  • private LB : 0.7043 (1등)
  • Public LB : 0.7205 (1등)
  • 1등 발표자료
• Object Detection :
  • private LB : 0.5014 (2등)
  • Public LB : 0.6068 (3등)

환경 부담을 조금이나마 줄일 수 있는 방법의 하나로 '분리수거'가 있습니다. 잘 분리배출 된 쓰레기는 자원으로서 가치를 인정받아 재활용되지만, 잘못 분리배출 되면 그대로 폐기물로 분류되어 매립, 소각되기 때문입니다. 우리나라의 분리 수거율은 굉장히 높은 것으로 알려져 있고, 또 최근 이러한 쓰레기 문제가 주목받으며 더욱 많은 사람이 분리수거에 동참하려 하고 있습니다. 하지만 '이 쓰레기가 어디에 속하는지', '어떤 것들을 분리해서 버리는 것이 맞는지' 등 정확한 분리수거 방법을 알기 어렵다는 문제점이 있습니다.

따라서, 우리는 쓰레기가 찍힌 사진에서 쓰레기를 Segmentation 하는 모델을 만들어 이러한 문제점을 해결해보고자 합니다. 문제 해결을 위한 데이터셋으로는 일반 쓰레기, 플라스틱, 종이, 유리 등 11 종류의 쓰레기가 찍힌 사진 데이터셋이 제공됩니다.

• Dataset 설명

  • 512 x 512 크기의 train 2617장 (80%) , public test 417장 (10%) , private test 420장(10%)
  • 총 11개의 class 존재
    • Background, UNKNOWN, General trash, Paper, Paper pack, Metal, Glass, Plastic, Styrofoam, Plastic bag, Battery, Clothing
  • coco format으로 images , annotations 정보 존재
    • images : id, height , width, filename
    • annotatins : id, segmentation mask , bbox, area, category_id , image_id

• 평가방법

  • Semantic Segmentation : mAP50
  • Object Detection : mIoU

• 해당 대회에 대한 문제를 어떻게 정의하고, 어떻게 풀어갔는지, 최종적으로는 어떤 솔루션을 사용하였는지에 대해서는 각자의 wrap up report에서 기술하고 있습니다.

  • 김유지 wrapup report
  • 김홍엽 wrapup report
  • 김효진 wrapup report
  • 박성배 wrapup report
  • 박성훈 wrapup report
  • 오혜린 wrapup report

• 위 report에는 대회를 참가한 후, 개인의 회고도 포함되어있습니다.

• 팀프로젝트를 진행하며 협업 툴로 사용했던 Notion내용도 해당 링크에 접속하시면 확인하실 수 있습니다.

• 자세한 CODE 설명은 개인 폴더 내 README.md를 통해 확인하실 수 있습니다.