Building-segmentation

1. Train Dataset (1024*1024)

• train image와, encode된 csv 파일

- image

- mask
data = pd.read_csv("./extra/train.csv"), data.iloc[0,2] - image

- mask
data = pd.read_csv("./extra/train.csv"), data.iloc[1,2] - image

- mask
data = pd.read_csv("./extra/train.csv"), data.iloc[2,2] - image

- mask
data = pd.read_csv("./extra/train.csv"), data.iloc[3,2]

2. Test Dataset (224*224)

• test image

- image

- image

- image

- image

3. 처음 도전한 Library와 모델

• segmentation_models.pytorch
  • SMP 모델 GITHUB 주소
• FPN
  • FPN 논문

---

• 해당 Library와 모델로 parameter를 적절히 조절한 결과

• 성능이 좋지 않은 것을 확인

4. 두 번째 도전한 Library와 모델

• mmsegmentation
  • mmsegmentation GITHUB 주소
• Segformer
  • Segformer 논문

---

• 해당 Library와 모델로 parameter를 적절히 조절한 결과

- 검증 set으로 분류해둔 train image는 잘 분류한 것을 알 수 있음

- test image는 mask의 경계가 불분명하다

- test image는 건물이 아닌 곳을 건물이라고 인식한 부분도 존재한다.

5. 이에 대해 생각한 해결 방안

• 그림자가 진 부분을 건물로 인식하는 것 같음
  • 이를 위해 CLAHE Augmentation 기법을 사용해야 한다고 생각함
• 크기가 달라지면 건물을 인식하기 어려워하는 것 같음
  • 이를 위해 ZOOM, CROP과 같은 Augmentation 기법을 사용해야 한다고 생각함
• 경계를 명확하게 구분하기 어려워 하는 것 같음
  • Binary Cross Entropy나 BceWithLogitsLoss와 같은 다양한 loss를 적용하거나 loss를 융합하는 Hybrid loss를 적용해봐야 함

6. Summary Model