Boostcamp Recycle Trash Semantic Segmentation Challenge

Code for 20th place solution in Boostcamp AI Tech Recycle Trash Semantic Segmentation Challenge.

📋 Table of content

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

👋 팀 소개

Contributors

김서원	이유진	이한빈	정세종	조현동	허지훈	허정훈

♻ 대회 개요

대량 생산, 대량 소비의 시대에 살며 '쓰레기 대란', '매립지 부족'과 같은 여러 사회 문제를 낳고 있다.
분리수거는 이러한 환경부담을 줄일 수 있는 방법이다. 해당 대회는 쓰레기를 Segmentation하는 모델을 만들어 정확한 분리수거를 돕는 것에 기여한다.

• Dataset 설명

  • 512 x 512 크기의 train 2617장 (80%) , public test 417장 (10%) , private test 420장(10%)
  • 총 10개의 class 존재
    • Background, 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 : mIOU

📝 문제 정의 및 해결 방법

• Template
  pytorch template 형식에 맞게 직접 구현

• Model
  FCN
  UNet, UNet++
  DeepLab, DeepLab++, DeepLab+++
  HRNet, HRNet_OCR
  

• Techniques
  Data hard augmentation
  Mixup, Cutmix
  Stratified K-Fold
  Pseudo Labeling
  TTA
  Ensemble
  WandB
  

💻 CODE 설명

Archive contents

segmentation
├── input
│   └── data
├── semantic-segmentation-level2-cv-02
│   ├── base
│   ├── data_loader
│   ├── logger
│   ├── loss
│   ├── model
│   ├── trainer
│   └── utils
├── train.py
├── train_kfold.py
├── test.py
├── test_TTA.py
├── visulaize.py
├── csv_ensemble.py
└── create_resize_data.py

Train

cd segmentation/semantic-segmentation-level2-cv-02

1. vanilla train

python train.py [config path]
python train.py configs/config.json

2. k-fold train
   config file에 아래와 같은 인자 추가

       "kfold": {
        "flag": true,
        "cnt": 5,
        "train_fold": "../input/data/train_fold.json", 
        "valid_fold": "../input/data/val_fold.json"        
    },
   

python train_kfold.py [config path]

3. Pseudo Labeling Train & Inference
   512x512 로 inference 한 csv file 준비

python pseudo_labeling.py --test_csv [csv file path]

4. Expeiment with 256x256 image 빠른 실험을 위한 256x256 scale image 로 실험

python create_resize_data.py

resized data 사용 시 config 에서 train, validation data loader 아래와 같이 수정

"data_loader": {
"type": "ResizedBasicDataLoader",
"args": {
"dataset": {
"type": "ResizedBasicDataset",
"args": {
"data_dir": "../input/resized_data_256",
"mode": "train",
"transform": {"type": "BasicTransform", "args": {}}
}

Inference

cd segmentation/semantic-segmentation-level2-cv-02

1. vanilla inference

python test.py -c [config path] -r [pth path]

1. TTA inference

python test_TTA.py -c [config path] -r [pth path]

Visualization Result

1. test 이미지 시각화
   semantic-segmentation-level2-cv-02/visualize.py 의 submission_path 에 시각화하고자 하는 csv파일 경로 넣고 Run Cell
2. validation 이미지 시각화
   wandb 사용, utils/wandb.py 의 show_images_wandb 함수로 validation 시 이미지 시각화

Ensemble

ensemble_method : Hard Voting

cd segmentation/semantic-segmentation-level2-cv-02

submission.csv 경로 추가 후

python csv_ensemble.py

👀 DEMO 결과

Backbone : EfficientNet-b4
Segmentation Head : UNet++

Original Image	Ground Truth	Predicted Image

data license : Naver Boostcamp AI Tech 대회교육용 재활용 쓰레기 데이터셋. CC BY 2.0