8/31 화, P stage 7일차 학습정리

과제 수행과정 / 결과물 정리

Model

EfficientNet b0

• compound coefficient
• NAS(Neural Architecture Search, 강화학습을 통해서 최적의 모델 구조를 찾아내는 법)를 이용해서 baseline network를 설계하였다.
• Width, Depth, Resolution 모두 증가시켰을 때 가장 성능이 크게 증가하였다.

Disussion 방법론 정리

Data Preprocessing

• Gender, Mask Labeling 오류 - 오재환
  id: 006359, 006360, 006361, 006362, 006363, 006364
  male -> female로 labeled
  id: 001498-1, 004432
  female -> male로 labeled
  id: 000020, 004418, 005227
  normal <-> incorrect

• 사람을 기준으로 stratify하게 valid set을 나누기 - 서광채
  한 사람 당 사진이 7장씩 나오게 되는데 한 사람이 train set과 valid set 모두에 들어가게 되는 상황이 발생하게 됨

• FaceNet으로 이미지 crop하기 - 이상은
  facenet_pytorch의 MTCNN method 활용해서 crop 후 (224,224)로 Resize
  accuracy: 75.905 -> 78.206, f1 score: 0.695 -> 0.726

• timm library로 ViT pretrained model 사용하기 - 서동진

• Baseline code, EDA - 허정훈
  

피어세션 정리

831. 피어세션
     모더레이터 : 김대웅
     김대웅
     새로운 Weight Bias 프로젝트 수정
     MaskTheFace를 이용한 Data 수집 가이드라인 제작
     나요한
     이호영
     P-stage 토론 게시판 리뷰 및 적용할 것들 정리
     데이터 분석
     추창한
     Confusion Matrix 구현
     최한준
     Baseline Code 정리
     박준수
     Crop 후 모델에 적용
     Multi sample dropout
     TTA 적용 시도
     한진
     MTCNN crop을 사용한 데이터 수집
     Submit.py MultiModel에 맞게 변형
     Label Smoothing 분석 및 적용

학습회고