SIGNATE 鰹節コンペ2nd Place Solution
Download as PPTX, PDF2 likes1,819 views
SIGNATE「漁業×AIチャレンジ 魚群検知アルゴリズムの作成」コンペティション（通称鰹節コンペ）2位入賞の解法紹介です https://signate.jp/competitions/403
SIGNATE 鰹節コンペ2nd Place Solution
- 1. SIGNATE 漁業×AIチャレンジ 魚群検知アルゴリズムの作成（通称鰹節コンペ） 2nd Place Solution @yu4u 1
- 2. コンペ概要 • 2クラス物体検出タスク • Jumper School • 「白湧き群」魚が海面上へ跳ねることで生じる飛沫が白く見える状態 • Breezer School • 「水持ち群」海面直下にいる魚の動きが風波を打ち消してできる海面の凪 • データセット • ドローンの空撮動画から1秒単位でフレームを切り取り生成したもの • train: 3387枚, test: 1481枚 • 画像サイズ：3840x2160 • train, testともに動画ごとに系列情報が与えられている • 評価指標 • MAP@IoU=0.3 2
- 3. バウンディングボックスサイズ等 • 白湧き群は小さいBBOXが多い；BBOXはどちらも横長 3 サイズ (sqrt(w*h)) アスペクト比 (w/h) 白湧き群 水持ち群
- 4. アノテーション例 4
- 5. アノテーション例 5
- 6. アノテーション例 6
- 7. アノテーション例 7
- 8. アノテーション例 8
- 9. データの特性 • 非常に小さなBBOXから大きなBBOXまで存在 • 画像サイズが大きいが小さくリサイズしすぎては駄目 • 水面に対して平行に近い角度もあり、横長BBOXが多い • アノテーションが恐らく時系列的にバラバラに作成されており ゆらぎが存在する • 上記のように正解が定義しづらいことから検出IoU閾値が緩め（0.3） → 個々のモデルを頑張るよりアンサンブルでなんとかする方針 9
- 10. アプローチ • データsplit • 5-fold cross validation (GroupKFold) • Sequence idによりgrouping • モデル • EfficientDet 2パターン * 5 • YOLOv5 2パターン * 5 • アンサンブル • Weighted boxes fusion (WBF) で統合 • ハイパラをOptunaで最適化 • 時系列情報は利用せず • No TTA 10
- 11. EfficientDetモデル • EfficientDet: EfficientNetバックボーン＋BiFPNのsingle shot detector • 実装 https://github.com/rwightman/efficientdet-pytorch • バックボーンはefficientnet-b3のみを利用 • Augmentation • Resize (1920, 1024), RandomCrop, RandomRotate90, HorizontalFlip, RandomBrightnessContrast, ShiftScaleRotate • Crop size (1024, 1024) と (768, 768) の2パターンのモデル • effdet_b3_1024, effdet_b3_768（どちらもbatch size 4） • 本当はResizeで解像度を変更したモデルとする予定だったがミスっている • Optimizer • AdamW, lr: 1e-4 -> 1e-5 (CosineAnnealingWarmRestarts), 30 epochs • Automatic Mixed Precision利用 11
- 12. YOLOv5モデル • YOLOv5: 色々頑張ってるオレオレYOLO実装フレームワーク • s, m, l, xの4種類のバックボーン（depth, widthが違う） • 実装 https://github.com/ultralytics/yolov5 • 画像を全て (1024, 1024) にリサイズし、上記repoをそのまま利用 • YOLOv5x, YOLOv5lの2パターン • yolov5x (batch size 8), yolov5l (batch size 14) 12
- 13. アンサンブル • 4タイプのモデル • effdet_b3_1024, effdet_b3_768, yolov5x, yolov5l • 5-fold → 20モデル • テスト時は20モデルの検出結果をweighted boxes fusionで統合 • IoUが閾値より大きいBBOXをまとめ座標とスコアをアップデート • https://github.com/ZFTurbo/Weighted-Boxes-Fusion • ハイパラはOptunaで最適化 • 4タイプのモデルconfidence係数（effdet_b3_1024は1固定） • IoU閾値 をOptunaを利用しoof（train全体）予測値で最適化 • → w1: 0.5189, w2: 1.5534, w3: 1.7587, iou_thr: 0.2799 • iou_thrのデフォルトは0.55。YOLOv5はeffdetと比較して低conf 13
- 14. 細かい点 • README: “1評価画像に対する各カテゴリの最大予測領域数は20とする” • それぞれちゃんと20まで予測値を入れるため、 detectorのconfidenceしきい値を大きくしすぎない • cf. “Evaluating Large-Vocabulary Object Detectors: The Devil is in the Details” https://arxiv.org/pdf/2102.01066.pdf 14
- 15. 結果 CV 暫定評価 最終評価 effdet_b3_1024 0.49171 effdet_b3_768 0.45323 yolov5x 0.44918 yolov5l 0.44390 ensemble (default) 0.55192 ensemble (opt IoU) 0.56624 ensemble (opt all) 0.58444 0.6973349 (1st) 0.6950604 (2nd) 15
- 16. 投稿ファイル可視化例 16
- 17. 投稿ファイル可視化例 17
- 18. 投稿ファイル可視化例 18
- 19. まとめ • 手法サマリ • EfficientDetとYOLOv5のアンサンブル • アノテーションにゆらぎがあることと、0.3という低IoU閾値に アンサンブルのハイパラ調整がうまく効いた（多分） • やりのこしたこと • 時系列情報の活用 19
- 20. 利用フレームワーク等 • パイプライン: pytorch-lightning • config管理: OmegaConf • 実験管理: wandb • EfficientDet: https://github.com/rwightman/efficientdet-pytorch • YOLOv5: https://github.com/ultralytics/yolov5 • Augmentation: albumentations • BBOXアンサンブル: https://github.com/ZFTurbo/Weighted-Boxes-Fusion • ハイパラ調整: Optuna 20