1. 잘한 것

- 할당된 과제들을 제시간에 제출 완료했습니다.  

- Segmentation Models Pytorch (이하 'smp') 라이브러리를 현재 팀에서 사용하고 있는 베이스라인 코드에서 사용할 수 있도록 코드에 기여했습니다.  

- UNet, UNet++, MANet에 대해 다양한 인코더로 실험을 진행했습니다.    

- GitHub 리뷰어로 새롭게 구현된 기능과 실험들에 대한 브랜치를 검토하고 병합하였습니다. 

- 항상 까먹었던 파이썬 이미지 처리 라이브러리에 대해 전반적으로 정리를 완료했습니다. 

2. 부족한 것

- MMSeg 설치 문제가 있어서 주중에 MMSeg에서 제공하고 있는 모델을 실험해보지 못했습니다.

- Leetcode, 백준 등 코딩테스트 문제를 매일 풀지는 못했습니다. 

3. 배운 것

- 파이썬 이미지 처리 라이브러리에 대한 정리 : https://seanpark11.tistory.com/159 

📖 PIL, OpenCV, PyTorch, NumPy, Albumentations

➡️ 그동안 항상 혼동하면서 오류가 많이 났는데, 이번에 정리한 코드를 활용해 이미지 처리에 바로 적용할 수 있도록 했습니다. 

- SMP 라이브러리 사용법 : 

📖 https://smp.readthedocs.io/en/latest/index.html

- 팀원이 기존 Main에서 Pull하지 않고 커밋할 경우 리뷰 상황에서는 이전 코드로 회귀할 가능성이 있고, 이 때 GitHub에서 충돌이 발생하지 않으므로 그냥 브랜치를 병합하지 않도록 유의 

4. 시도할 것

- MMSeg 라이브러리를 사용할 수 있도록 모듈화 진행

- Segmentation 작업을 수행하기 위한 다양한 Loss에 대한 실험

1. 잘한 것

- 새로운 팀에서 프로젝트(Segmentation)에 대한 팀장을 맡아서 업무를 배분하여 협업이 될 수 있도록 지원했습니다. 

- 할당된 강의들을 제시간에 완료했습니다. 

- streamlit으로 프로젝트에서 사용할 시각화 웹 애플리케이션을 만들었습니다.   

2. 부족한 것

- 주간에 배웠던 내용들을 미리 정리하기로 계획했지만, 할당된 작업들로 인해 제대로 정리하지 못했습니다.

- Leetcode, 백준 등 코딩테스트 문제를 매일 풀지는 못했습니다. 

3. 배운 것

- Segmentation 문제와 주요 지표 : https://seanpark11.tistory.com/156

📖 Semantic Segmentation, Instacne Segmentation, Panoptic Segmentation, Dice

- FCN for Segmentation : https://seanpark11.tistory.com/157

📖 FCN, Transpose Convolution, Skip connection

4. 시도할 것

- UNet 계열 모델들을 실험할 계획입니다.

- smp 라이브러리를 사용할 수 있도록 프로젝트 코드를 수정해볼 계획입니다.

- 시간이 날 경우 auto augmentation을 통해 최적의 데이터 증강 조합을 찾아볼 계획입니다.

1. 잘한 것

- CVAT를 사용해 데이터셋을 만드는 일련의 과정을 실습했습니다.

- 시간 내 구현하지 못한 생성 문제를 프로젝트가 넘어서라도 구현했습니다. 

- 코딩 구현 공부를 위해 Leetcode와 백준 문제를 꾸준히 풀고 있습니다.

2. 부족한 것

- 합성 데이터셋을 만드는 태스크를 할당받았지만, 시간 내에 구현하지 못했습니다.

3. 배운 것

- OCR 문제 정의와 구조 : https://seanpark11.tistory.com/150

📖 Text Detector, Text Recognizer, Serializer, Text Parser

- OCR 지표 공부 : https://seanpark11.tistory.com/151

📖 DetEval, IoU, TIoU, CLEval  

- Labeling 도구로 데이터셋 만들기 :  https://seanpark11.tistory.com/152

📖 CVAT

4. 시도할 것

- 공부했던 내용들을 정리할 예정입니다.

1. 잘한 것

- baseline을 보고 프로젝트 디렉토리를 구상해서 기본 프로젝트 구조를 제안했습니다. 

- Train dataset을 random split할 수 있도록 코드를 1차 구현했습니다. 

- 모델이 추론한 결과에 대해 시각화를 진행하고, 추가적으로 개선이 필요한 부분을 제안했습니다. 

- 강의, 과제 등 할당된 내용에 대해 모두 제시간에 완료했습니다. 

- 코딩 구현 공부를 위해 Leetcode도 새롭게 시작했습니다. 

2. 부족한 것

- 주간에 배웠던 내용들을 미리 정리하기로 계획했지만, 할당된 작업들로 인해 제대로 정리하지 못했습니다.

- 데이터셋을 생성하는 것을 알아본다고 했지만, 적당한 방법론을 아직 찾지 못했습니다. 

3. 배운 것

- OCR을 위한의 Sub 모듈 및 태스크 : https://seanpark11.tistory.com/150

📖 OCR의 문제 정의, Text Detector, Text Recognizer, Serializer, Text Parser  

- Labeling 도구 

📖 LabelMe, CVAT, Hasty Labeling Toool, Roboflow

4. 시도할 것

- K-Fold Cross Validation에 대해 공부하고, 구현해서 실험을 진행할 계획입니다. 

- 논문으로 공부했던 내용을 정리해서 블로그에 올릴 계획입니다. 

1. 잘한 것

- 직접 모델을 돌리지는 않았지만, MMDetection 3 라이브러리를 살펴보고, 사용법에 대해 간단하게나마 익혔습니다. 

- 구현한 증강기법들을 바탕으로 실험을 수행하고 결과를 정리했습니다. 

- 구현한 증강기법을 custom dataset에 같이 넣고 작동할 수 있도록 리팩토링을 했습니다.

- WandB 사용법을 간단하게나마 익히고 적용해봤습니다.

- 금주에 할당된 코딩테스트 문제들을 모두 풀었습니다. 

2. 부족한 것

- 직접 모델을 적용하면서 실험하지 못했습니다. (제한된 서버 할당, 라이브러리에 대한 이해도가 낮은 상황 등에서 기인했는데, 다음에는 학습에 대해 조금 더 체계적인 방법으로 접근할 필요가 있을 것 같습니다.)

- Scale-aware Auto Augmentation를 시도해본다고 했으나, 팀 내부에서 활용하기로 한 MMDetectoin에서 적용하는 방법을 알 수가 없어서 실제로 적용해보지는 못했습니다.

3. 배운 것

- 라이브러리별 이미지 처리 방법

📖 OpenCV, Albumentations, PyTorch, PIL

➡️ 어렴풋하게 알고있었던 내용을 리팩토링하면서 겪은 시행착오를 바탕으로 내용을 공부했습니다. 

- Git을 활용한 협업 경험 

📖 Branch 생성, Pull request, Merge 등 실습으로만 경험했던 상황을 직접 프로젝트에 적용해봤습니다. 또한, Readme 초안을 작성해보면서 markup 방법을 일부 알았습니다.   

4. 시도할 것

- 차주에 있을 Data-centric 프로젝트에 대해 알아보고 미리 준비/계획할 생각입니다.

- 최종 프로젝트와 미래 커리어를 대비한 주제에 대해 알아보고 준비할 시간을 주말동안 갖고자 합니다.

1. 잘한 것

- FPN 논문과 다양한 자료들을 최대한 이해하면서 논문 리뷰를 준비했고, 그에 대해서 좋은 피드백을 들었습니다.

- 객체 탐지에서 적용할 수 있는 다양한 증강기법을 찾아보면서 라이브러리에 없는 것은 직접 구현했습니다.

2. 부족한 것

- 코딩테스트 문제를 충분히 풀지 못했습니다.

- Detectron2로 PANet으로 FPN보다 개선된 Neck구조를 구현해보려고 했으나, 라이브러리 사용법에 대한 충분한 이해가 없었기 때문에 끝내 만들지는 못했습니다. 

- WandB 사용법을 익힌다고 했는데 제대로 사용하지는 못했습니다.

3. 배운 것

- 1 Stage Detector에 대한 정리 : https://seanpark11.tistory.com/144

📖 YOLO, SSD, RetinaNet

➡️ 모델들의 구조와 핵심 아이디어들을 이해하고, 향후 구현이나 직접 적용에도 많이 사용할 것으로 기대됩니다.

- FPN에 대한 심층적인 리뷰

📖 Lateral connection, RPN과 RoI를 계산하는 것에 대한 이해 

➡️ 논문 리뷰를 준비하면서 공부했던 feature map 추출 과정은 향후에도 많이 이용할 것 같습니다. 

- 객체탐지에서 많이 사용하는 증강기법

📖 Flip, Color Zitter, Mosaic, Mixup, Crop (특히, Mosaic은 직접 구현) 

➡️ 증강기법을 구현해보려는 시도를 하면서 Albumentations에 대한 이해도를 조금 높일 수 있었습니다. 

4. 시도할 것

- 간단하게라도 WandB 적용을 통해 사용법을 익힐 예정입니다.

- Scale-aware Auto Augmentation을 적용해볼 예정입니다. 

1. 잘한 것

- 할당된 강의 내용을 듣고 과제와 내용을 정리하였습니다. 

- 프로그래밍 능력을 높이기 위해 이번 주에 할당된 코딩테스트 문제 풀이는 모두 완료하였습니다. 

2. 부족한 것

- 라이브러리(MMDetection, Detectron2)에 대한 사용법을 잘 이해하지 못했습니다. 

- 프로젝트에 대한 EDA를 수행하는 정도 수준이 너무 단순한 것만 시도했습니다. 

3. 배운 것

- 객체 탐지에 필요한 기본 개념 : https://seanpark11.tistory.com/137, https://seanpark11.tistory.com/138

📖객체 탐지 지표(IoU, mAP, FPS, FLOPS), 데이터 포맷(COCO, Pascal VOC)

- 2 Stage Detectors : https://seanpark11.tistory.com/141, https://seanpark11.tistory.com/142

📖 R-CNN, SPPNet, Fast R-CNN, Faster R-CNN

📖 객체 탐지 모델의 구조 및 Neck의 개념 : FPN, PANet, Bi-FPN

- 1 Stage Detectors 

📖 YOLO, SSD, RetinaNet

4. 시도할 것

- 라이브러리에 모델을 구축 및 등록하여 수행할 예정입니다.

- WandB 사용법을 익힐 예정입니다.

- 다음 주까지는 배웠던 내용들을 모두 정리할 예정입니다. 

1. 잘한 것

- 프로젝트에서 정확도를 높이기 위한 코드로 일부 기여하였습니다. 

- 프로그래밍 능력을 높이기 위해 이번 주에 할당된 코딩테스트 문제 풀이는 모두 완료하였습니다.

- 프로젝트 완료 후 필요한 일련의 작업(Wrap-up report 등)들을 지원하면서 팀을 지원했습니다. 

2. 부족한 것

- 모델을 사용함에 있어 해당 모델을 채택해야 하는 이유에 대한 탐구가 부족했습니다. 

- 이번 주에 배운 것들이 많았는데, 그 모든 것을 다 시도해보지 못했습니다. 

3. 배운 것

- 딥러닝에서 사용할 수 있는 베이스 코드 템플릿 :

https://seanpark11.tistory.com/124, https://github.com/SuyoungPark11/my-code-snippet

📖 데이터셋, 훈련, 테스트 등 딥러닝에서 공통적으로 사용할 수 있는 코드

➡️ 새롭게 알게 된 내용들을 지속적으로 정리/추가/수정하면서 딥러닝 코드를 작성할 때 속도와 효율을 높일 수 있도록 할 예정입니다.  

- 효율적인 훈련을 위한 테크닉

📖 Data Caching : 전체 이미지를 미리 벡터화해서 npy 형태로 저장해 활용

📖 Gradient Accumulation : 여러 배치에서 계산된 그래디언트를 누적해 업데이트

📖 Mixed Precision : FP16로 타입캐스팅을 통해 연산 효율화

- 이미지 분류 문제에 대한 정의 : https://seanpark11.tistory.com/128

📖 레이블 유형에 따른 분류(Binary, Multiclass, Mulilabel), 이미지 특성(Coarse-grained, Fine-grained), 접근 방식(Few-shot, One-shot, Zero-shot) 

- 이미지 데이터에 대한 사용하기 위해 : https://seanpark11.tistory.com/133

📖 PIL, OpenCV 라이브러리 사용 

- 그 외 프로젝트를 진행하면서 해결했던 오류 : https://seanpark11.tistory.com/132

4. 시도할 것

- 이번 프로젝트에서는 WandB를 사용하지 않았는데, 새로운 프로젝트에서는 활용할 예정입니다.

- 학습된 모델의 가중치를 활용하는 전이학습을 시도해볼 예정입니다.

- 쉘 스크립트로 좀 더 나은 환경을 구축하는데 활용해볼 예정입니다.

- 새로운 프로젝트의 주제인 Object Detection에 대해 그동안 배웠던 것을 복습해보고, 적용할만한 모델들에 대해 공부해볼 계획입니다. 

1. 잘한 것 

- 수행해야 할 것들이 많아서 할당된 강의를 수강했습니다. 

- 리뷰해야할 논문(ResNet)에 대한 준비 및 발표를 했고, 관련해서 torch로 직접 구현해봤습니다. 

- 잘 작동하지 않는 것에 대해 팀원과 Boost Camper에게 물어보면서 해결했습니다. 

2. 부족한 것

- 해야할 것들과 잘 작동하지 않는 것들이 많아, 알고리즘 공부를 제대로 하지 못했습니다. 

- 새로운 환경(Linux, 원격 서버 연결 등)에 적응하느라 많은 시간을 허비했습니다.

- 다른 내용들을 먼저 수행하느라 프로젝트 관련 내용을 충분히 보지는 못했습니다.  

3. 배운 것

- Linux 사용 :

📖 Linux (나의 경우 Ubuntu 환경) 커맨드 

📖 VS Code에서 SSH로 원격 서버에 연결

- Streamlit  : 웹 서비스 관점에서 AI 모델을 프로토타입 제품화 프레임워크 

📖 Albumentations Demo - a Hugging Face Space by IliaLarchenko

📖 App Gallery • Streamlit

➡️ 위 링크의 내용들을 참고해서 나중에 AI 모델을 한번 만들어보는 시도도 해볼 예정입니다.

- 이미지 분류 문제를 어떻게 풀 것인가 : 

📖 이미지 분류 문제의 구분(레이블 유형 - Binary, Multi-class, Multi-label / 개체 속성 - Coarse-grained, Fine-grained)

📖 CNN과 Transformer(ViT)의 특징과 그에 따른 선택

4. 시도할 것

- Sketch 데이터의 특징에 대해 공부하고, 프로젝트의 feature를 추출해 데이터셋에 대한 이해(EDA)를 진행할 예정입니다.

- 데이터의 특징을 고려해 데이터 증감 기법에 대한 논리를 고민하고, 시간이 된다면 수행해볼 예정입니다. 

- 몇몇 모델이 이미지를 어떻게 이해하는지 시각화해서 모델에 대한 이해를 높일 계획입니다.