[공부] Bonnet Framework 분석 및 활용 #1 논문 읽음

안녕하세요. 제이콥입니다.

좋은 프레임워크를 찾아서 소개합니다.

이 프레임워크는 Bonnet Framework인데요.

사용자들이 세그멘테이션을 할 때, 머신러닝을 쉽게 적용할 수 있게 해줍니다.

세그멘테이션은 이미지에서 여러 물체들을 검출하고, 분리하는 것을 말합니다.

논문 : https://arxiv.org/pdf/1802.08960.pdf

깃헙 : https://github.com/PRBonn/bonnet

위의 이미지에서 차, 길거리, 차로, 나무 등을 검출하는 것을 볼 수 있습니다.

3번째 이미지에서는 농작물과 잡초? 작은 것을 분리해내는 것입니다. (Crop vs. Weed Semantic Segmentation)

논문에서 하는 이야기는

너희는 너희의 일에 집중해라, 우리가 세그멘테이션 해줄게 입니다.

그것을 위해 필요한 것은 세그멘테이션 할 모델이 필요하다고 합니다.

문제는 어떻게 그 모델을 만들 수 있는지.. tensorflow에 대해 이해가 필요해보입니다.

아직 이해를 못했습니다.


지금은 그저 작성자가 만들어놓은 모델을 적용해보는 것을 해봤습니다.

스스로 원하는 물체 데이터 셋을 만들고 (혹은 구하고), 모델을 만든다는 것? 이걸 하는게 중요한데

아직 잘 모르겠습니다. 공부가 필요합니다. ㅜㅜ


아래는 framework의 동작을 위한 순서입니다.

Bonnet Framework

we provide a stable and easy-to-use tool to make this technology more approachable in the context of autonomous systems. In this sense, we aim at closing a gap between computer vision research and its use in robotics research. We provide an opensource framework for training and deployment

Sequence

Dataset definition
  • includes images and labels
  • 이미지에 변형을 줄 필요는 없다.

  Abstract dataset handler performs the desired dataset augmentation, such as flips, rotations, shears, stretches, and gamma modifications

Network definition

Each architecture inherits the abstract class Network and redefines the graph in order to change the model type, which allows to easily add new architectures.

The interface with the model architecture is done through the net.yaml configuration file, which includes the selection of the architecture, the number of layers, number of kernels per layer, and some other architecture dependent hyperparameters such as the amount of dropout [13], and the batch normalization [14] decay.

Hyper-parameter Selection

Once the network and the dataset have been properly defined, the hyper-parameters need to be tuned.

Training

Once the most promising model is found, the training can be done with this hyper-parameter set using multiple GPUs to be able to increase the batch size, and hence, the speed of training.

Graph Freezing for Deployment

Once the trained model performs as desired, the framework exports a log directory containing a copy of all the configuration files used, for later reference, and two directories inside containing the best IoU and best accuracy checkpoints.

 

댓글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다