5.0 KiB

Raw Blame History

kr_lp_pgnet — 핸드오프 (Claude 전용)

한국 자동차 번호판 검출 + OCR을 위한 PaddleOCR PGNet 학습 프로젝트.

30초 요약

목표: PGNet 한 모델로 한국 LP 4종 (자가용/영업/전기/화물) 검출+인식 → ONNX export
현재 상태 (2026-05-18): Step1 학습 재시작 중 (run step1-20260518_0216, 200 epoch)
왜 재시작: 기존 학습 데이터 라벨이 판 전체 box → tight word-level box로 수정 후 재생성
다음 단계: 학습 완료 후 → eval f_score_e2e 확인 → Step2 fine-tune (실차 데이터)
운영 원칙: 로컬 Mac은 코드 작성·git만, 모든 실행은 외부 GPU 서버에서

환경

1. 로컬 Mac (코드 작성 전용)

작업 디렉토리: /Users/songhyeonsu/Documents/GIT/cuuva_AI/kr_lp_pgnet/
금지: pip install, 외부 자산 clone, 합성기·학습·평가 실행
허용: 코드/yaml/sh 작성·수정, git commit/push

2. 외부 GPU 서버

SSH: ssh cuuva@192.168.10.189 (사내망 전용)
호스트: Ubuntu 25.10, RTX 5090 32GB, NVIDIA driver 590.48.01, CUDA 13.1

레이아웃:

/home/cuuva/workspace/
├── PaddleOCR/              # git clone release/2.7
├── kr_lp_pgnet/            # 이 repo
├── train_data/
│   ├── kr_lp_synth/        # Step1 학습용 (50k, tight box 라벨)
│   ├── region_check_y/     # 영업용 region 16종 검증
│   └── region_check_g/     # 친환경 region 16종 검증
└── wheels/
    └── paddlepaddle_gpu-3.3.0.dev20251209-cp310-...whl

3. 학습 컨테이너 `kr_lp_pgnet`

베이스: ubuntu:24.04
옵션: --gpus all --shm-size=8g --restart unless-stopped
bind mount: 호스트 /home/cuuva/workspace ↔ 컨테이너 /workspace
재셋업: bash scripts/recreate_container.sh

4. 파일 서버 컨테이너 `kr_lp_http`

합성 결과 시각 확인용: http://192.168.10.189:8889/
마운트: /home/cuuva/workspace/train_data (read-only)

저장소

Git remote: http://192.168.10.110/TTA/kr_lp_pgnet.git (사내 Gitea)
브랜치: main만 사용

wandb

Entity: hssong_cuuva / Project: kr_lp_pgnet
현재 run: step1-20260518_0216
dashboard: https://wandb.ai/hssong_cuuva/kr_lp_pgnet

핵심 이슈 히스토리

라벨 박스 문제 (2026-05-18 수정)

기존 학습 데이터(kr_lp_synth)의 라벨 박스가 판 전체 영역이었음:

수정 전: "points": [[0,0],[520,0],[520,110],[0,110]]  ← 판 전체
수정 후: "points": [[35,13],[467,96],...]             ← 글자 행만

결과: 100 epoch 학습해도 f_score_e2e ≈ 0 (hit_str_count 32/2867). 원인: training은 라벨과 직접 비교하므로 loss가 내려갔지만, 추론 시 post-processing이 판 전체 heat map을 받아 박스를 쪼개거나 이상하게 복원 → 인식 실패. generate_synthetic.py의 tight polygon 생성 코드는 이미 수정되어 있었으나 서버 데이터가 구버전으로 생성된 상태였음. 데이터 재생성 후 재학습.

NVML stale (재발 가능)

컨테이너 장시간 실행 후 nvidia-smi 에러. docker restart kr_lp_pgnet으로 해결.

OOM

batch 32 → OOM. batch 16 확정.

cuDNN 9.17 강제

paddle sm_120 wheel은 cuDNN 9.17 빌드. setup_server.sh에서 nvidia-cudnn-cu13>=9.17 강제 설치.

자주 쓰는 운영 명령

# 학습 로그 확인
ssh cuuva@192.168.10.189 'docker exec kr_lp_pgnet sh -c "tail -5 /workspace/PaddleOCR/output/kr_lp_pgnet_*/run.log"'

# GPU 사용량
ssh cuuva@192.168.10.189 'docker exec kr_lp_pgnet nvidia-smi --query-gpu=memory.used,utilization.gpu --format=csv'

# 학습 중단
ssh cuuva@192.168.10.189 'docker exec kr_lp_pgnet pkill -f tools/train.py'

# 컨테이너 재시작 (NVML 풀기)
ssh cuuva@192.168.10.189 'docker restart kr_lp_pgnet'

# 재학습 (처음부터)
ssh cuuva@192.168.10.189 'docker exec -d kr_lp_pgnet bash /workspace/kr_lp_pgnet/scripts/run_step1.sh'

데이터 관련 알려진 이슈

자산이 만들 수 없는 글자: 하, 호, 배 — Step2 실차 데이터로 보충
REGION_MAP 추정값: A='서울'만 검증, 나머지는 tools/region_check.py로 확인 필요
세종 누락: 자산 region 16개, 실제 광역지자체 17개 (세종 미포함)

진행 상태

✅ 완료

환경 셋업 (컨테이너, paddle sm_120, cuDNN 9.17, PaddleOCR release/2.7)
dict 67자 + config (pad_num=67, max_text_length=10, valid_set=partvgg)
합성기 4 plate type + tight word-level polygon 라벨
wandb 연동
make_gt_mat.py (eval GT 생성)
run_step1.sh 타임스탬프 기반 output 관리

🔄 진행 중

Step1 학습 (run step1-20260518_0216, 200 epoch, 50k tight-box 데이터)

📋 다음 단계

Step1 완료 후 f_score_e2e 확인 (이전 0.0007 → 대폭 개선 기대)
Step2 fine-tune — 실차 한국 LP 사진 수집·라벨링
ONNX export

5.0 KiB Raw Blame History