DyTileTrainDOTA

Dynamic Tile Training for DOTA Object Detection

고해상도 위성 이미지의 효율적인 학습을 위한 타일 기반 동적 학습 시스템

🎯 프로젝트 개요

위성 이미지와 같은 저해상도 이미지에서 타일별 객체 존재 확률을 멀티태스크로 학습하여, 에포크가 진행됨에 따라 확률이 낮은 타일의 학습을 점진적으로 건너뛰어 전체 학습 시간을 단축하는 연구입니다.

핵심 아이디어

• 고해상도 이미지를 작은 타일로 분할
• 멀티태스크 학습: 객체탐지 + 타일별 객체 존재 확률 예측
• 에포크 진행에 따라 확률 낮은 타일은 학습에서 점진적 제외
• 학습 과정에서 연산량 동적 감소

문제 배경

• DOTA 같은 위성영상은 일반적으로 4타일로 충분
• 작은 객체 탐지를 위해서는 더 많은 타일 분할 필요
• 타일 수 증가 → 학습 연산량 폭증

🚀 현재 진행 상황

✅ 완료된 작업

• YOLOv8 환경 설정
• DOTA 데이터셋 YOLO 형식 변환
• 기본 YOLOv8 모델로 DOTA 학습 테스트

🔄 다음 단계

• 타일 확률 예측 헤더 설계
• YOLOv8 모델 구조 수정 (멀티태스크)
• 에포크별 동적 타일 필터링 구현
• 점진적 학습 가속화 파이프라인 구현

🛠 기술 스택

• Deep Learning Framework: PyTorch
• Object Detection: YOLOv8 (Ultralytics)
• Dataset: DOTA (Dataset for Object Detection in Aerial Images)
• Language: Python 3.11

📊 목표

학습 시간 30-50% 단축 (정확도 유지)

---

학부생 실습 프로젝트