pstage_01_image_classification

🔥 Getting Started

Dependencies

torch==1.7.1
torchvision==0.8.2
tensorboard==2.6.0
pandas==1.1.5
opencv-python==4.5.1.48
scikit-learn==0.24.2
matplotlib==3.3.4
timm==0.4.12
tqdm==4.51.0
numpy==1.19.2
python-dotenv==0.19.0
Pillow==8.1.0
h5py==3.1.0
glob2==0.7

Install Requirements

• pip install -r requirements.txt

Contents

• dataset.py
• face_image.py : FaceNet 적용
• loss.py
• model.py
• optimizer.py
• train.py
• inference.py
• evaluation.py
• perfect_train.csv : dataset

Training

• SM_CHANNEL_TRAIN=[train image dir] SM_MODEL_DIR=[model saving dir] python train.py

Inference

• SM_CHANNEL_EVAL=[eval image dir] SM_CHANNEL_MODEL=[model saved dir] SM_OUTPUT_DATA_DIR=[inference output dir] python inference.py

Evaluation

• SM_GROUND_TRUTH_DIR=[GT dir] SM_OUTPUT_DATA_DIR=[inference output dir] python evaluation.py

🔍 Overview

Background

COVID-19의 확산으로 우리나라는 물론 전 세계 사람들은 경제적, 생산적인 활동에 많은 제약을 받고있습니다.
확산을 막기위해 많은 노력들을 하고 있지만 COVID-19의 강한 전염력 때문에 우리를 오랫동안 괴롭히고 있습니다.
이를 해결하는 방법은 모든 사람이 마스크로 코와 입을 가려서 혹시 모를 감염자로부터의 전파 경로를 원천 차단하는 것입니다.
이를 위해 우리는 공공장소에서 모든 사람들의 올바른 마스크 착용 상태를 검사하는 시스템이 필요합니다.
즉, 카메라로 비춰진 사람 얼굴 이미지만으로 이 사람이 마스크를 쓰고 있는지, 쓰지 않았는지,
정확히 쓴 것이 맞는지 자동으로 가려낼 수 있는 시스템이 필요합니다.

Problem definition

카메라로 비춰진 사람 얼굴 이미지만으로 이 사람이 마스크를 쓰고 있는지,
쓰지 않았는지, 정확히 쓴 것이 맞는지 자동으로 가려낼 수 있는 시스템 or 모델

Development environment

• GPU V100 원격 서버
• PyCharm 또는 Visual Studio Code | Python 3.7(or over)

Evaluation

😷 Dataset Preparation

Prepare Images

출처 : kr.freepik.com

• 전체 사람 수 : 4500명 (train : 2700 | eval : 1800)
• age : 20대 - 70대
• gender : 남,여
• mask : 개인별 정상 착용 5장, 비정상적 착용 1장(코스크,턱스크...), 미착용 1장
• 전체 31,500 Images (train : 18,900 | eval : 12,600)
• 이미지 크기 : (384,512)

Data Labeling

• mask, gender, age 기준 18개의 클래스로 분류

Facenet

$ python face_image.py

• face_image.py
• FaceNet 이용 얼굴 인식 후 FaceCrop
• FaceCrop 후 Resize를 거친 이미지 크기 : (280, 210)

Generate CSV files

• perfect_train.csv

🏃 Training

Train Models

• EfficientNet
  • EfficientNet_b2_pruned
  • EfficientNet_b4
• SEResNet(SE block + ResNet)
  • SEResNet26d_32x4d
• NFNet
  • NFNet_l0

# 단일 모델 train 시
$ python train.py 

Stratified K-fold

from sklearn.model_selection import StratifiedKFold

# cross_validation 사용해 train 시
$ python train.py --cv True

train.py cross_validation 함수

Multilabel Classification

# gender, age, mask 각각 학습
$ python train.py --multi=True

💭 Inference

# 단일 model을 통해 inference 시
$ python inference.py \
  --model_name={kinds of models} \
  --model_dir={model_filepath} \
  --pth_name={model parameter name} \
  --output_name={output_filename} \

# cross_validation 을 사용해 나온 model 5개를 통해 inference 시
$ python inference.py \
  --model_name={kinds of models} \
  --model_dir={model_filepath} \
  --pth_name=best \
  --output_name={output_filename} \
  --cv=True

# ensemble 을 사용해 inference 시
$ python inference.py \
  --ensemble_model_name={kinds of models : 띄어쓰기로 구분한 여러개의 model_name} \
  --ensemble_model_dir={model_filepath : 띄어쓰기로 구분한 여러개의 model_file_path} \
  --pth_name=best \
  --output_name={output_filename} \
  --ensemble=True

# multilabel inference 시
$ python inference.py \
  --model_name={kinds of models} \
  --model_dir={model_filepath} \
  --pth_name=best \
  --output_name={output_filename} \
  -- multi True

📄 Wrap Up Report

Wrap Up Report