• 효율적인 EDA를 위해 Streamlit을 통해 데이터 분석 기능 및 데이터 시각화 기능을 구현하였다. 또한, Train 데이터 시각화, Train 데이터 EDA, inference 및 validation EDA로 기능과 목적에 따라 세부 페이지를 구성하였다.

Train 데이터 시각화

• 전체 데이터에 대한 시각화 및 증강 기법에 대한 시각화를 위한 페이지이다.

  

• bbox와 이미지를 같이 시각화했고, Select box를 통해 이미지를 선택할 수 있게 기능을 구현했다. 하지만 현재 Streamlit의 Select box에는 현재 선택한 이미지 인덱스가 Select box 내부에 적용이 되지 않아 첫 이미지로 넘어가는 문제가 존재하여 (참고) 상단에 이전, 다음 버튼을 통해 이미지를 넘길 수 있도록 구현하였다.

• 또한, 밑의 사진처럼 pie plot와 Table을 통해 현재 bbox의 카테고리와 숫자를 쉽게 파악할 수 있게 배치하였다.

  

• 나아가, Rotate, Brightness, Gauss Noise, HueSaturationValue와 같은 다양한 증강 기법을 Sidebar에 배치하고, Slider를 통해 이미지에 적용되어 합리적인 증강 기법을 정할 수 있도록 시각화하였다.

  

Train 데이터 EDA

• 전체 데이터의 EDA를 위한 페이지이다. 카테고리별 annotation 수, 카테고리 별 bbox heatmap, 카테고리 별 bbox 크기 분포 등을 확인할 수 있다.

카테고리 별 annotation 수

• 카테고리 별 annotation은 다음과 같다. Paper가 6352개로 가장 많으며 Battery가 159개로 가장 적으며 카테고리 간에 불균형이 심한 것을 볼 수 있다.

  

카테고리 별 bbox heatmap

• 카테고리 별 bbox heatmap은 다음과 같다.

  

  • 상단 사진 좌측부터 General Trash, Paper, Paper pack이고, paper pack의 bbox가 가운데에 집중되어 있는 것을 볼 수 있다.

  

  • 상단 사진 좌측부터 Metal, glass, plastic이고, 역시 가운데에 bbox가 집중되어 있다.

  

  • 상단 사진 좌측부터 Styrofoam, Plastic bag, battery이고, Battery의 bbox가 적어 비교적 고루 분포되는 것을 볼 수 있다.

  

  • 상단 사진 좌측부터 Clothing, All이고 Clothing는 다른 카테고리보다 bbox가 고루 분포되어 있는 것을 볼 수 있다.

카테고리 별 bbox 크기 분포

• 카테고리 별 bbox 크기 분포는 다음과 같다.

  

  • 상단 그래프 좌측부터 General Trash, Paper, Paper pack이고 bbox area 50000 이하의 bbox가 많은 것을 볼 수 있다.

  

  • 상단 그래프 좌측부터 Metal, glass, plastic이며 bbox area 50000 이하의 bbox가 많은 것을 볼 수 있다.

  

  • 상단 그래프 좌측부터 Styrofoam, Plastic bag, battery이며 battery는 비교적 고루 분포되어 있는 것을 볼 수 있다.

  

  • 상단 그래프 좌측부터 Clothing, 전체 카테고리 분포이며, Clothing는 비교적 다양한 크기의 bbox가 분포되어 있는 것을 볼 수 있다.

• 나아가, Slider와 타이핑으로 bbox 크기를 쉽게 지정할 수 있도록 구현하였다.

  

Inference 데이터 EDA

• Inference 혹은 Validation EDA 및 시각화를 위한 페이지이다. 대회 대시보드 metric인 mAP 50와 각 카테고리의 AP를 시각화하였다.

  

• 또한, inference한 bbox와 GT bbox를 비교하기 위한 시각화를 진행하였다. IoU, Confidence Score Threshold를 Slider를 통해 쉽게 변경하며 비교할 수 있게 구현하였다.