Has finished implementing YOLO V1 as pythonic way.

.gitignore

@@ -4,4 +4,10 @@
 /loggerJK/VOCtest*
 /loggerJK/wandb
 *.bin
-.ipynb_checkpoints
+.ipynb_checkpoints
+**/__pycache__/*
+__pycache__
+VOCdevkit
+VOCtrainval_06*
+.DS_Store
+wandb

README.md

@@ -3,28 +3,39 @@
   - Training 과정의 디테일에 집중했습니다.
   - 고연전 오대빵을 기원합니다.
 
-# 설명
-- 제 작업물은 `./loggerJK` 폴더 안에 있습니다.
+# loggerJK
+## 설명
+
+```bash
+.
+├── Model Test          : 모델별로 학습 결과를 보여주는 noteebok이 포함
+├── Modules             : 모듈식으로 구현한 YOLO V1
+├── datasets            : VOCDetection Dataset
+└── notebooks           : Jupyter Notebook으로 구현한 YOLO V1
+```
+
+
+- `loggerJK/Modules`
+  - 사용법
+    - `python main.py --cfg config.yaml`
+    - 세부 설정사항은 config.yaml 값의 수정을 통해 가능합니다.
+      - ex) `config.TRAINING.DEVICE = cuda:0` : GPU를 이용해 학습하는 옵션
+- `loggerJK/notebooks`
   - `YOLO_singleLoss.ipynb`
     - 배치 단위 처리를 지원하지 않는 버전의 YOLO입니다.
   - `YOLO_batchLoss.ipynb`
     - 배치 단위 처리를 지원하도록 개선한 버전의 YOLO입니다.
   - `YOLO_batchLoss_trainval.ipynb`
     - Training Set만으로는 학습이 어려워 Training / Validation Set 모두 학습에 이용한 노트북입니다.
-- 학습한 모델의 Inference 결과물은 `./loggerJK/Model Test` 폴더 안에 있습니다.
-  - `./loggerJK/Model Test/model_test.ipynb`
+- 학습한 모델의 Inference 결과물은 `loggerJK/Model Test` 폴더 안에 있습니다.
+  - `loggerJK/Model Test/model_test.ipynb`
   - Inference 과정 중 mAP 계산, Non-Maximum Suppression과 같은 부분들은 구현되어 있지 않았습니다.
 
-# 모델 설명
-- Base Model : Vision Transformer
-  - `vit_base_patch32_384` from `timm`
+## 모델 설명
+- Base Model (from `timm`)
+  - `vit_base_patch32_384`
+  - `swin_base_patch4_window12_384_in22k`
 - `input_size` : $384 \times 384$
 - `learning_rate` : 1e-5 (fixed)
 - `epoch` : 70
-  - 이 외의 기타 Training에 관련된 수학적 디테일들은 논문과 동일하거나, 최대한 유사하도록 구현했습니다.
-
-
-@misc{pascal-voc-2007,
-	author = "Everingham, M. and Van~Gool, L. and Williams, C. K. I. and Winn, J. and Zisserman, A.",
-	title = "The {PASCAL} {V}isual {O}bject {C}lasses {C}hallenge 2007 {(VOC2007)} {R}esults",
-	howpublished = "http://www.pascal-network.org/challenges/VOC/voc2007/workshop/index.html"}	
+  - 이 외의 기타 Training에 관련된 수학적 디테일들은 논문과 동일하거나, 최대한 유사하도록 구현했습니다.

What I Learned.md

@@ -6,6 +6,6 @@
   - ```loss = torch.sum(torch.cat(loss_list))``` torch.cat을 써야 오류가 안난다
   - opencv의 `im.read()`로 불러들인 이미지는 numpy array로 저장된다.
   - Loss는 CPU에서 계산하는 것이 훨씬 이득이다. 특히 이렇게 for문으로 돌리는 경우라면!
-  - ` x = x + y` is not inplace. `x += y`is inplace.` PyTorch에서 inplace 연산은 되도록 피해야 한다.
+  - `x += y`is inplace. ` x = x + y` is not inplace. PyTorch에서 inplace 연산은 되도록 피해야 한다.
   - `torch.Tensor`는 기본적으로 immutable. 일반적인 경우, 텐서 간의 복사는 복사된 참조 변수의 수정이 기존 참조 변수의 값에 똑같은 영향을 미친다
     - [Tensor element를 mutable하게 복사하기](https://froggydisk.github.io/fourth-post/)