NEXTLab Car Detection Project

참여자

• Jeongtae Shin(@Klassikcat): Project Management, Model build, Engineering
• Jaewoong Lee(@colin19950703): Augmentation, Model build, Engineering
• Hongkyun Kim(@ghdrbs0302): Data Inspection, Test data Labeling, Engineering

구조

NEXTLab-CNN-EfficientNet
┖ core
  ┖ config.py               # Configuration.
  ┖ utils.py                # Util 함수.

┖ 
  EfficientNet.ipynb        # 전체 코드 주피터 노트북 버전. 경로 수정 필요.
  launcher_augument.py      # 이미지 증강 실행.
  launcher_classname.py     # 이미지 클래스(레이블) 생성 실행.
  main.py                   # EfficientNetv2 학습.
  models.py                 # EfficientNetv2 모델 코드.
  test.py                   # 학습된 모델 테스트 코드.
readme.md

모델 다운로드 링크

https://drive.google.com/file/d/1oyqjqkJCoOauqaftaJVsGL8PYKGH62xY/view?usp=sharing

데이터 설명

Train/Validatation Data

• AI 허브의 "자동차 차종/연식/번호판 인식용 영상" 사용: https://aihub.or.kr/aidata/27727
• "세단", "SUB", "해치백", "승합" 중 322개의 클래스만을 사용.
• 데이터 불균형 해소를 위해 클래스 당 100, 300장의 이미지가 되도록 이미지 증강 사용.

Test Data

• NEXTLab에서 제공한 도로 CCTV 영상 : https://www.nextlab.ai/
• 80개의 클래스로 이루어진 5016개의 영상 (비공개)

Model Structure

• EfficientNetB0 모델 사용.

결과

Train_validation accuracy/loss

Top 1 accuracy/loss

• train: 0.9051/0.2755
• valid: 0.8960/0.3769

top 3 accuracy

• train: 0.9880
• valid: 0.9717

문제점 및 개선사항

[ ] Resize하기 전의 차량 이미지 정보를 받아 비슷한 차량 모델의 크기를 비교해 구분 ex) K3, K7

[ ] 전수 검사를 통해 클래스(레이블) 오분류 수정