PFLD TEST - (2)

기존의 PFLD 모델에서 회전한 사진에대해서 결과가 매우 좋지 않았는데(아래 사진 참고)

이는 데이터 전처리 과정에서 data augmentation한 데이터들이 들어가지 않아 발생하였다. Data augmentation 과정이 모두 들어간 data로 학습을 진행하면

AUC 커브도 0.743으로 높은 수준의 결과를 얻을 수 있으며 결과도 이전과 비교하면 만족스러운 것을 알 수 있다. 학습량이 충분하지 않아서 landmark가 원하는 위치에 정확히 찍혀있진 않지만 충분히 학습을 진행한다면 보다 나은 결과를 얻을 수 있다고 생각한다.

학습을 충분히 한다면 train_loss와 val_loss가 좀더 떨어질까?

이에 대해선 조금 부정적이다. epoch 100이후부턴 0.1xxx의 loss값을 가졌고 그 뒤로 loss가 더 하락하지 않았기 때문이다. local minimum에 빠졌을 가능성도 염두해두어야 한다.

우선은 loss를 일반 loss보다 wing loss로 바꿔본 후 학습을 다시 진행해보고 augmentation의 갯수도 10장이 아닌 15장 20장으로 늘린다면 어떤 효과를 불러 일으킬 수 있는지 확인이 필요하다.