Feedback

.github/ISSUE_TEMPLATE/-title----body.md

@@ -0,0 +1,22 @@
+---
+name: "title/ body"
+about: Suggest an idea for this project
+title: ''
+labels: ''
+assignees: ''
+
+---
+
+### Issue 타입(하나 이상의 Issue 타입을 선택해주세요)
+- [ ] Feat : 새로운 기능 추가
+- [ ] Remove : 파일 및 기능 삭제
+- [ ] Test : 테스트 코드 추가
+- [ ] Fix : 버그 수정
+- [ ] Docs : 문서 수정
+- [ ] Refactor : 코드 리펙토링
+- [ ] Style : 코드 포맷팅, 세미콜론 누락, 코드 변경이 없는 경우, 주석 추가
+
+### 상세 내용
+- [ ] ex) Github 소셜 로그인 기능이 필요합니다.
+
+### 추가사항

.github/pull_request_template.md

@@ -0,0 +1,21 @@
+## 🤔 Motivation 🤔
+- 
+
+<br/>
+
+## 💡Content 💡
+- 
+
+<br/>
+
+## 🅾️ Metric ❎
+- 
+
+<br/>
+
+## 👩🏻‍💻 How To Apply 🧑🏻‍💻
+-
+
+---
+
+- close 

.gitignore

@@ -0,0 +1,27 @@
+# 모델 checkpoint 제외
+*.pt
+*.pkl
+*.pth
+
+
+# 결과 파일 제외
+*.yaml
+*.csv
+
+# python cache 제외
+__pycache__
+*.pyc
+*.pyd
+
+# dataset 제외
+*.jpg
+*.png
+*.json
+*.tar.gz
+*.xlsx
+
+# wandb
+wandb/
+
+# mmsegmentation 제외
+.out

README.md

@@ -0,0 +1,170 @@
+# 📋 Project Overview
+
+
+뼈는 우리 몸의 구조와 기능에 중요한 영향을 미치기 때문에, 정확한 뼈 분할은 의료 진단 및 치료 계획을 개발하는 데 필수적입니다.
+
+Bone Segmentation은 인공지능 분야에서 중요한 응용 분야 중 하나로, 특히, 딥러닝 기술을 이용한 뼈 Segmentation은 많은 연구가 이루어지고 있으며, 다양한 목적으로 도움을 줄 수 있습니다.
+
+- 질병 진단의 목적으로 뼈의 형태나 위치가 변형되거나 부러지거나 골절 등이 있을 경우, 그 부위에서 발생하는 문제를 정확하게 파악하여 적절한 치료를 시행할 수 있습니다.
+
+- 수술 계획을 세우는데 도움이 됩니다. 의사들은 뼈 구조를 분석하여 어떤 종류의 수술이 필요한지, 어떤 종류의 재료가 사용될 수 있는지 등을 결정할 수 있습니다.
+
+- 의료장비 제작에 필요한 정보를 제공합니다. 예를 들어, 인공 관절이나 치아 임플란트를 제작할 때 뼈 구조를 분석하여 적절한 크기와 모양을 결정할 수 있습니다.
+
+- 의료 교육에서도 활용될 수 있습니다. 의사들은 병태 및 부상에 대한 이해를 높이고 수술 계획을 개발하는 데 필요한 기술을 연습할 수 있습니다.
+<br/>
+
+
+- Input : 
+    - hand bone x-ray 객체가 담긴 이미지가 모델의 인풋으로 사용됩니다.
+    - segmentation annotation은 json file로 제공됩니다.
+
+- Output :
+
+    - 모델은 각 클래스(29개)에 대한 확률 맵을 갖는 멀티채널 예측을 수행하고, 이를 기반으로 각 픽셀을 해당 클래스에 할당합니다.
+    - 최종적으로 예측된 결과를 Run-Length Encoding(RLE) 형식으로 변환하여 csv 파일로 제출합니다.
+
+<br/>
+<br/>
+
+# 🗃️ Dataset
+
+- 이미지 크기 : (2048 x 2048), 3 channel
+
+![image](https://github.com/user-attachments/assets/7a596f2c-e7e2-415f-872a-d812a7b47825)
+
+-  image, target 시각화 및 pixel 별로 예측해야할 29개의 classes
+
+<br/>
+<br/>
+<br/>
+
+# 📁 Project Structure
+```plaintext
+.
+├── .github/
+├── augmentation/
+│   ├── copy_data.py
+│   ├── hflip.py
+│   ├── outlier.py
+│   ├── psnr.py
+├── UNet++/
+│   ├── cv/
+│   ├── requirements.txt
+├── mmsegmentation/
+│   ├── configs/
+│   ├── mmseg/
+│   ├── tools/
+│   ├── baseline.py
+│   ├── custom_inference.py
+│   ├── custom_train.py
+├── module_base/
+│   ├── config.yaml
+│   ├── dataset.py
+│   ├── inference.py
+│   ├── loss.py
+│   ├── model.py
+│   ├── optimizer.py
+│   ├── scheduler.py
+│   ├── train.py
+│   ├── transform.py
+│   ├── wandb_logger.py
+│   ├── wandb_train.py
+├── sam2_unet/
+│   ├── sam2/
+│   ├── sam2_configs/
+│   ├── utils/
+│   ├── SAM2UNet.py
+│   ├── config.yaml
+│   ├── test.py
+│   ├── train.py
+│   ├── trainer.py
+├── streamlit/
+│   ├── compare.py
+│   ├── load.py
+│   ├── main.py
+│   ├── visualize.py
+│   ├── visualize_rle.py
+├── utils/
+│   ├── .gitignore
+│   ├── README.md
+│   ├── meta_data_set.py
+│   ├── pseudo_labeling.py
+```
+
+# How To Use
+
+## MMSegmentation
+- MMSegmentation Install 후 본 Project 폴더를 그대로 Copy & Paste하여 활용
+```plaintext
+# train
+python custom_train.py --config_path {path_to_your_config} --work_dir {path_to_your_save_dir_for_logging}
+
+# inference
+python custom_inference.py --config_path {path_to_your_config} --checkpoint_path {path_to_your_weights} --work_dir {path_to_your_save_dir_for_logging} --submission_path {where_to_save_your_submission_csv} --tta
+```
+
+## SAM2Unet
+```plaintext
+# train
+python train.py --config {path_to_your_config}
+
+# inference
+python test.py --config {path_to_your_config} --checkpoint {path_to_your_checkpoint}
+```
+
+## Module_base
+```plaintext
+```
+
+# 😄 Team Member
+
+<table align="center">
+    <tr align="center">
+        <td><img src="https://github.com/user-attachments/assets/337d06ce-6a68-4ff9-9638-b54b2d17e9e9" width="200" height="120"></td>
+        <td><img src="https://github.com/user-attachments/assets/f962dbc4-1ac0-49c1-bc1a-b999e01fa67f" width="200" height="120"></td>
+        <td><img src="https://github.com/user-attachments/assets/dcd46b40-5117-437c-a8a0-8217cffcb487" width="200" height="120"></td>
+        <td><img src="https://github.com/user-attachments/assets/9b936eca-2463-48d2-b01b-3196761e738e" width="200" height="120"></td>
+        <td><img src="https://github.com/user-attachments/assets/4a8f05bf-9635-47f7-b90e-39bb7c6f6824" width="200" height="120"></td>
+        <td><img src="https://github.com/user-attachments/assets/78c78353-ba3b-494d-ba94-429c4f838cd1" width="200" height="120"></td>
+    </tr>
+    <tr align="center">
+        <td><a href="https://github.com/minrongtic" target="_blank">김민영</a></td>
+        <td><a href="https://github.com/june21a" target="_blank">박준일</a></td>
+        <td><a href="https://github.com/sejongmin" target="_blank">오종민</a></td>
+        <td><a href="https://github.com/Soy17" target="_blank">이소영</a></td>
+        <td><a href="https://github.com/wonjeongjeong" target="_blank">정원정</a></td>
+        <td><a href="https://github.com/Yoon0717" target="_blank">한승윤</a></td>
+    </tr>
+    <tr align="center">
+        <td>T7173</td>
+        <td>T7154</td>
+        <td>T7207</td>
+        <td>T7222</td>
+        <td>T7272</td>
+        <td>T7261</td>
+    </tr>
+</table>
+
+<br/>
+<br/>
+
+# 🏆 Project Result
+
+**_<p align=center>Public Leader Board</p>_**
+<img src="https://github.com/user-attachments/assets/94bd97fc-518d-4c69-b45e-69466d8e3bb1" alt="Public Leader Board" >
+
+
+<br>
+
+**_<p align=center>Private Leader Board</p>_**
+<img src="https://github.com/user-attachments/assets/85c200c3-30db-48d1-a2a7-3f5d15eed143" alt="Private Leader Board" >
+
+<br>
+
+## 🔗 Reference
+
+### [📎 Segmentation Notion](https://typhoon-jackal-68b.notion.site/Hand-Bone-Image-Segmentation-13bcb8c4237680f0baeef241f0f6856b?pvs=4)
+
+<br>
+

UNet++/cv/configs/base_train.yaml

@@ -0,0 +1,59 @@
+# data 관련 설정
+image_root: /data/ephemeral/home/data/train/DCM
+label_root: /data/ephemeral/home/data/train/outputs_json
+
+# 모델명 및 사전 학습 여부
+model_name: Unet
+model_parameter:
+  encoder_name: efficientnet-b4
+  classes: 29
+
+# batch_size
+train_batch_size: 2
+val_batch_size: 2
+
+# image resize
+image_size: &image_size 1024
+
+# transform 관련
+transform:
+  Resize:
+    width: *image_size
+    height: *image_size
+
+# 학습 관련 하이퍼파라미터
+lr: 1e-3
+weight_decay: 1e-6
+
+max_epoch: &max_epoch 60
+
+# loss 관련 설정
+loss_name: BCEWithLogitsLoss
+
+# loss에 필요한 parameter -> dict 형태로 작성
+loss_parameter: {}
+
+# scheduler 관련 설정
+scheduler_name: CosineAnnealingLR
+
+# scheduler 필요한 parameter -> dict 형태로 작성
+scheduler_parameter:
+  T_max: *max_epoch
+  eta_min: 1e-6
+
+# random seed값
+seed: 42
+
+# validation 관련 인자
+val_fold: 0
+val_interval: 2
+threshold: 0.5
+
+# checkpoint 저장 경로
+save_dir: ./checkpoints/Unet
+
+# wandb
+api_key: 7363797140af326caa051190a07bd49ce5341c67
+team_name: cv19-eternalpaperbox
+project_name: UNet
+experiment_detail: cos_2048_epo60