[2023] / [Naver Boostcamp AI Tech] Hand Bone Segmentation

https://github.com/KimGeunUk/Hand-Bone-Segmentation

GitHub - KimGeunUk/Hand-Bone-Segmentation: level2_cv_semanticsegmentation-cv-08 created by GitHub Classroom

---

목표

사람의 손 뼈 이미지를 입력으로 받아 29개의 서로 다른 종류의 뼈를 분할하는 모델 개발

나의 역할 및 시도

• Segmentation Model Pytorch 라이브러리를 사용한 템플릿 구현
• dice coefficient 연산을 CPU에서 GPU로 변경하고, 데이터셋을 HDF5 형식으로 변환하여 1회 학습 시간을 약 338초에서 약 147초로 단축
• UNet, DeepLab 구현 및 실험
• UPerNet, HRNet, Mask2Former 을 MMSegmentation 라이브러리를 사용하여 실험

개인 회고 ★

이번 대회는 결과는 조금 아쉽지만 그만큼 얻는 것이 많았습니다. 특히 학습 속도를 향상시키기 위해 line profiler를 통해 코드에서 어느 부분이 시간이 오래 걸리는지 분석할 수 있었고, 분석한 결과 Dice Coefficient 연산과 Data Loader 부분에서 시간이 오래 걸리는 것을 확인하였습니다. Dice Coefficient 연산에서는 cpu로 연산을 하고 있는 것을 확인하여 gpu로 변경하여 해결하였고, Data Loader는 형 변환 (pickle, hdf5, npy, float 16)을 적용하여 성능을 비교 분석한 뒤 hdf5를 적용하여 시간을 많이 단축 할 수 있었습니다. 하지만 여기에서 변인 통제가 제대로 이루어 지지 않았고, 정확한 실험을 위해 필요했던 과정(validation 시 원본 사이즈 복원, float 16 사용 해제)을 잊어 버린채 실험을 진행하여 아쉬움이 남습니다.

 

또한 MMSegmentation 라이브러리를 직접 Custom하여 목적에 맞게 학습시키는 방법을 배운 것에 대해 매우 만족하고 있으며, 강의를 통해 Segmentation Model들의 코드를 구현하는 방법을 배우는 것이 무척 재미 있었습니다. 가장 

좋았던 점은 Git Flow 에 맞추어 협업을 진행하였고 협업을 진행하면서 학습에 필요한 기능을 직접 구현 또는 적용하여 서로 검토하고 병합하는 시간을 가져 현업에서 필요한 기술들을 사용하였던 것입니다.