task03-rank03-team_SKKU_COMEDU

1. Submission File에 대한 Description

최종 제출 파일인 submission.zip 파일을 아래의 경로 형태로 설정

$(DATA)
|-- Final_DATA
|   |-- task03_train
|   |-- task03_test
|
|-- submission
|   |-- baseline
|-- submission.zip

2. Code File에 대한 Description

$(baseline)
|-- data				
|-- models
|-- runs
|-- utils
|-- preprocess.py
|-- test.py
|-- train.py
|-- train1.py
|-- train2.py

• data : 하이퍼 파라미터 관련 정보를 담은 폴더
• models : YOLOv5 모델 정보에 대한 yaml 파일 폴더
• runs : train 결과(경로: runs/train/)와 test 결과(경로: runs/test/)가 저장되는 폴더
• utils : train과 test에서 사용되는 여러 함수들을 모아 둔 파이썬 코드 폴더
• preprocess.py : 학습 전 데이터 라벨링을 위한 전처리 코드
• test.py : 테스트를 위한 파이썬 코드
• train.py : train1.py과 train2.py를 한 번에 실행하는 파이썬 코드
• train1.py : model1 train하는 파이썬 코드
• train2.py : model2 train하는 파이썬 코드

3. Output에 대한 Description

$ (baseline)
|-- runs
|   |-- test
|   |	|-- output
|   |	|   |-- best_predictions.json
|   |
|   |-- train
|   |	|-- model1
|   |	|   |-- weights
|   |	|   |	|-- best.pt
|   |	|   |	|-- last.pt
|   |   |
|   |	|-- model2
|   |	|   |-- weights
|   |	|   |   |-- best.pt
|   |	|   |   |-- last.pt

• best_predictions.json : json 결과 파일
• best.pt : best train weights 파일 (default)
• last.pt : last epoch train weights 파일
• Result Report (경로: baseline/runs/train/model*/)
  1. F1_curve, PR_curve, P_curve, R_curve : F1, PR, P, R curve 이미지 파일
  2. Result.txt : 학습 정보 텍스트 파일
  3. confusion_matrix.png : Confusion Matrix 시각화 이미지 파일
  4. result.png : 학습 결과 시각화 이미지 파일
  5. etc. : 외 여러 시각화 정보 파일

4. 학습에 필요한 명령어

$ python3 train.py

5. 테스트에 필요한 명령어

$ python3 test.py

Tutorial

전체 실행 순서

Unzip -> Install requirements -> Change directory -> Prepocess -> Train -> Test

1. Unzip

$ unzip submission.zip
$ cd submission

2. Install Requirements

$ pip install -r requirements.txt

3. Change directory

$ cd baseline

4. Preprocess

$ python3 preprocess.py

• preprocess.py : 학습 전 데이터 라벨링을 위한 전처리 코드
• 재현 서버에서 약 40분 소요
• 라벨 저장 경로 : /DATA/Final_DATA/task03_train/labels/*.txt
• 총 273,224 텍스트 파일

5. Train

$ python3 train.py

• train.py : train1.py (model 1)와 train2.py (model 2)를 순서대로 한 번에 실행하는 코드
• 총 55 epoch (model 1 : 30 epoch, model 2 : 25 epoch)
• 재현 서버에서 총 약 9시간 소요
• 학습 후 2개의 weight 파일 생성

baseline/runs/train/model1/weights/best.pt baseline/runs/train/model2/weights/best.pt

주의사항 : train이 중간에 중단된 경우 혹은 새로운 train을 다시 시작하려 할 경우, 아래를 실행하고 다시 학습 진행해야 함

$ rm -r runs/train

이는 test.py 실행 시 앙상블을 하기 위한 2개의 weights 파일의 경로의 default가 아래와 같이 지정되어 있기 때문

parser.add_argument('--weights', nargs='+', type=str, default=['runs/train/model2/weights/best.pt', 'runs/train/model1/weights/best.pt'], help='model.pt path(s)')

6. Test

$ python3 test.py

• test.py : 테스트를 위한 코드
• model 1과 model 2 각각의 weight 파일으로 앙상블 테스트 실행
• 결과 json 파일 생성 (경로 : runs/test/output/best_predictions.json)