🌏 프로젝트 개요

대량 생산, 대량 소비의 시대에서 ‘쓰레기 대란’, ‘매립지 부족’과 같은 사회 문제가 발생하고 있다. 이러한 문제를 해결하기 위해서 분리수거는 환경 부담을 줄일 수 있는 방법이다. 잘 분리수거 된 쓰레기는 자원으로서 가치를 인정받아 재활용되지만, 잘못 분리배출 되면 폐기물로 분류되어 매립 또는 소각된다.

따라서 쓰레기 사진을 통해 쓰레기장에 설치되어 정확한 분리수거를 돕거나, 어린아이들의 분리수거 교육 등에 사용할 수 있는 시스템이 필요하다. 본 프로젝트에서는 일반 쓰레기, 플라스틱, 종이, 유리 등 10종류의 쓰레기를 분류하는 Object Detection을 수행한다.

🗂️ 데이터셋

• 데이터의 개수 : Train 4,883장 / Test 4,871장

• 이미지 크기 : (1024, 1024)

• 클래스의 분류

  • General trash
  • Paper
  • Paper pack
  • Metal
  • Glass
  • Plastic
  • Styrofoam
  • Plastic bag
  • Battery
  • Clothing

🏆 프로젝트 결과

학습한 상위 7개의 모델의 inference 결과를 WBF(Weighted Boxes Function)을 사용하여 제출한 inference 결과가 가장 높은 score를 달성.

• 앙상블에 사용한 모델

  idx	model	mAP 50
  1	SwinTransformer Large - FasterRCNN	0.5893
  2	SwinTransformer Large - FasterRCNN	0.5949
  3	SwinTransformer Large - FasterRCNN	0.6072
  4	SwinTransformer Large - FasterRCNN	0.6100
  5	SwinTransformer Large - FasterRCNN	0.6176
  6	Yolov7	0.5633
  7	EfficientDet	0.5556

• 최종 결과

  mAP : 0.6753

  

👨‍👨‍👧‍👧 팀 구성 및 역할

김동인_T4029	신원준_T4113	이혜진_T4177	정혁기_T4205	홍준형_T4235
Model experiments, Ensemble	EDA, Data Augmentation	Model experiments	EDA, Data Augmentation	Model experiments, Data Augmentation