국방 AI 경진대회 코드 사용법

NavyNet: 김윤수, 성수영, 김덕현, 김민섭

모델 설명

뛰어난 object detection 성능을 자랑하는 yolov5를 탐지 모델로 사용하였고, StrongSORT Tracker를 사용하여 다중 객체 트래킹을 진행했다. IR이미지와 THERMAL이미지의 도메인적 특성을 고려해 분리하여 학습하고 추론하여 후처리하여 성능을 냈다.

코드 설명

• make_new_test.py strong sort 알고리즘 시 빠지는 프레임 보충

• make_path 제공된 data에서 Yolo형식 라벨 생성

• make_text.py train,val,test 나눔

• sort.py 객체 아이디 기준으로 mot 라벨 정렬

• StrongSort/ 테스트 결과 폴더

  • yolov5/ yolov5 폴더

주요 설치 library

• pytorch==1.13.0
• torchvision==0.14.0
• cudatoolkit=11.7
• opencv-python==4.6.0.66
• scikit-learn==1.0.2

실행 환경 설정

• 환경 설치

  pip install -r ./StrongSort/requirements.txt
  pip install -r ./StrongSort/yolov5/requirements.txt
  

학습 실행 방법

./BaselineModel/train.py 내의 경로명을 실제 학습 환경에 맞게 수정

cd /workspace/Final_Submission/StrongSort/yolov5
ex) python train.py --data <data.yaml> --epochs 300 --weights '' --cfg yolov5x.yaml  --batch-size 24 --workers 2


python train.py --data over.yaml --epochs 13 --weights '/workspace/Final_Submission/weights_yolos/best_yolo5.pt' --cfg yolov5x.yaml  --batch-size 24 --workers 2  -> 결과 weight == 13over.pt 
python train.py --data over.yaml --epochs 11 --weights '/workspace/Final_Submission/weights_yolos/11epoch_13over.pt' --cfg yolov5x.yaml  --batch-size 24 --workers 2 -> 결과 weight == 11epoch_13over.pt

사용한 학습 가중치 파일 출처 https://github.com/biyotteu/StrongSort/blob/main/yolo.zip

• 최종 제출 파일 :./post_sota_ensemble/

Track 실행 방법

track.sh 파일 내부에 데이터 경로, 가중치 수정가능 ex)python track.py --source <data_path> --yolo-weights <with_path> --classes 0 --save-txt

cd /workspace/Final_Submission/StrongSort
sh track.sh

후처리 실행 방법

• ./post_processing.ipynb 실행
• 각 셀 (마스크 합성) 아래 경로 확인 후 실행

  label_dir_path = '/workspace/sorted_result/*.txt'
  processed_label_dir_path = '/workspace/post/post_0/'
  

• ./post/post_0 ~ post_6에 각각의 후처리 단계 저장
• ./post/post_6 최종 결과물이 저장됨.