YOLO : 🐯Yonsei gOnna Lose fOrever🐯

• YOLO V1 모델을 구현한 결과물 레포지토리입니다.
  • Training 과정의 디테일에 집중했습니다.
  • 고연전 오대빵을 기원합니다.

loggerJK

설명

.
├── 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
  • Inference 과정 중 mAP 계산, Non-Maximum Suppression과 같은 부분들은 구현되어 있지 않았습니다.

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.