2D P-Net 구현 및 학습

[Google Colab]

[WandB]

2D P-Net을 구현 및 학습한 코드입니다.
- Google Colab Pro 환경에서 학습
데이터셋은 PASCAL VOC 2012 trainaug를 사용하였습니다.
- class index 1번인 aeroplane을 binary segmentation 하도록 수정
학습 결과는 wandb를 사용해서 기록하도록 구현하였습니다.
- Loss, IoU, Dice Score, Prediction 결과 이미지들(validation set에서 10장) 기록

PASCAL VOC 2012 Dataset

GitHub - yassouali/pytorch-segmentation: Semantic segmentation models, datasets and losses implemented in PyTorch.

DeepLabV3과 같은 segmentation 관련 논문을 보면, Semantic contours from inverse detectors의 annotation을 추가로 사용하여, trainaug라고 부르는 10582장의 이미지로 구성된 데이터로 학습을 수행합니다.

trainaug 데이터셋을 바로 내려받는 링크는 없어서, 위의 링크를 참고해 데이터셋을 구성하는 방법을 정리하였습니다.

Pascal VOC 2012 datset
- 여기에서 원본 PASCAL VOC 2012 데이터셋을 내려받아 압축을 풀면 VOCtrainval_11-May-2012/VOCdevkit/VOC2012의 경로에 이미지와 annotation들이 구성되어 있는 것을 확인할 수 있습니다.
Augment dataset
- 여기에서 내려받은 Segmentation 디렉토리의 4개 파일(train_aug, trainval_aug, val_aug, test_aug)을 1에서 내려받은 경로인 VOCtrainval_11-May-2012/VOCdevkit/VOC2012/ImageSets/Segmentation에 옮겨줍니다. (이름이 같은 파일은 덮어써도 됩니다.)
- 마지막으로, 여기에서 trainaug를 위한 annotation이 있는 SegmentationClassAug를 내려받아 VOCtrainval_11-May-2012/VOCdevkit/VOC2012에 옮겨줍니다.

확인

위의 과정을 통해 다음의 구조로 데이터셋이 구성되어있는 것을 확인할 수 있습니다.

VOCtrainval_11-May-2012
├── VOCdevkit
│   ├── VOC2012
│   │   ├── Annotations
│   │   ├── ImageSets
│   │   │   ├── Segmentation
│   │   │       ├── test_aug.txt
│   │   │       ├── train_aug.txt
│   │   │       ├── trainval_aug.txt
│   │   │       ├── val_aug.txt
│   │   ├── JPEGImages
│   │   ├── SegmentationClass
│   │   ├── SegmentationClassAug
│   │   ├── SegmentationObject