8주차

Day 1. Monday

✏️ 복습

• 강의 수강 완료

👶 Mentoring

• 각자 데이터 분석 → 모델 선정 → 가설 수립 → 실험 설계 → 코드 작성 및 실험 진행 → 가설 검증 프로세스를 거친 과정을 발표하기

• 내가 받은 피드백
  • EDA 시 scatter plot도 함께 활용하면 분포를 보기 더 좋을 수도.
  • mixup augmentation은 수학적으로 데이터의 분포를 일반화시키기 때문에 overfitting을 방지하고 분류 성능을 더 높일 수 있다.
  • cutmix 기법도 이용해보기

• 분류 성능 높이기 기법
  • test-time augmentation
  • 최후의 보루 : hyperparameter tuning
  • wandb를 이용한 학습 성능 모니터링

🙌🏻 Peer Session

• 스케치 이미지 분류 경진 대회 대책 논의
  • cutmix augmentation 활용 : ResNet101을 기반으로 cutmix parameter를 grid search로 가장 적합한 조합을 알아보자. ($\alpha$ = 0.2, 0.4, 0.6, 0.8, 1.0 & prob = 0.5, 1.0) cut_size같은 경우는 seed를 고정해서 random하게 (112 $\times$ 112 크기를 기준으로 67 $\times$ 67 ~ 157 $\times$ 157 정도의 크기가 나오도록)
  • 모델 선택
  • ps -aux | grep python 으로 실행 중인 프로세스 확인

📋 Memo

벌써 이번주가 level 1 마지막 주라니...그래서 일단 대회도 3일 밖에 남지 않아서 성능 향상을 위해 다들 빠르게 달리는 중이라 정신이 없다. 그래도 어찌 발버둥치니 팀에 조금이라도 기여를 하고 있는 것 같아서 다행이다. augmentation 작업이라 빨리 결과를 내고 넘겨줘야 해서 초조한 입장이다ㅠ 그래도 마지막까지 더 기여할 수 있도록 열심히 해야겠다.

Day 2. Tuesday

✏️ 복습

• 강의 수강 완료

🙌🏻 Peer Session

• 금요일 스케치 이미지 분류 경진대회 솔루션 발표 내용 정리

  1. 역할 분담, 서버 관리, 일정표 등 협업 방식 소개
  2. EDA & 전처리 방식
  3. 모델 선정 과정
  4. 오분류 분석
  5. Cutmix, mixup augmentation 더하기
  6. 가장 높은 성능을 보이는 모델들을 ensemble
  7. 아쉬웠던 점, 다음 프로젝트에서 보충할 점

• (발표 준비) 역할 분담

📋 Memo

대회 막바지가 되니 뭔가 보이면서 뭔가 할 수 있게 되어서 정말로 끝나가는 시간이 아쉽고 오래 걸리는 학습 시간이 원망스럽다ㅋㅋㅋㅋ 그래도 마지막까지 최선을 다해봐야지...

Day 3. Wednesday

✏️ 복습

• 강의 수강 완료

🙌🏻 Peer Session

• 스케치 이미지 분류 경진대회 성능 향상 방법 논의

📋 Memo

아쉽게도 시간이 부족하기도 하고 cutmix가 생각보다 큰 효과가 없어서 지금은 시험 중인 여러 모델의 앙상블 결과가 더 잘 나오기를 기다리고 있다. 다음에는 나도 모델 등에 대해서 더 이해를 잘 해서 실험을 직접적으로 더 많이 해볼 수 있도록 노력해야겠다.

Day 4. Thursday

✏️ 복습

• 강의 수강 완료

🙌🏻 Peer Session

• 금요일 스케치 이미지 분류 경진대회 솔루션 발표 내용 구성
  augmentation 및 가설을 어느 파트에 넣을지?
• Object detection project overview
  예전 대회에서는 예전 버전의 YOLO 모델인데 이번에는 최신 버전, 다양한 모델을 사용해보자.

📋 Memo

취업 특강을 들었다. 주요하게 기억할 내용은 역시나 경험! 혼자서라도 작은 프로젝트를 진행하면서 문제 해결 능력을 길렀고, 또 그 기술을 내 능력으로 만든 경험을 어필하는 것이 중요하다!

Day 5. Friday

✏️ 복습

• 강의 수강 완료

🎁 Special peer session

• 대회 진행 후기
  • 어떤 모델을 사용했는지
  • 어떤 augmentation을 사용했는지
  • 데이터 타입 변환해서 빠르게 학습시킬 수 있었다.
  • 서버 관리 방법
  • 코드 관리 방법 (PyTorch template file → Github)
• 오프라인 만남

🙌🏻 Peer Session

• 발표 연습 및 피드백
• 다음 번 협업 방식 논의 : 모듈 별로 기능 나누고 역할 할당하기
• 팀 회고록 작성

🏢 Master class

• CV-02조 대회 결과 정리 발표
  • commit conveniton 소개
  • github 활용 방식 소개
  • 딥러닝 학습 코드 구조화 : PyTorch lightning code

• CV-05조 대회 결과 정리 발표
  • 가설 설정과 검증을 위한 모델 실험

📋 Memo

드디어 level-1의 모든 과정이 완료되었다. 지금껏 배운 것들을 대회를 통해 활용할 수 있어서 더 발전할 수 있는 기회였다. 하지만 내 실력이 부족해서 대회 성능 향상에 많이 기여하지 못한 부분이 정말 아쉽고, 그럼에도 불구하고 고생했다고 얘기해주는 팀원들에게 정말 감사하다. level-2도 열심히 참여해서 더욱 실력을 키우고, 좋은 성적을 거둘 수 있으면 좋겠다.

Level-2 목표

🔥 딥러닝에 대한 이해도 높이기
🔥 구체적인 관심 분야 찾고 그 분야를 진행하기 위해 무엇을 공부해야할지 계획 세우기
🔥 팀에 더 기여할 수 있는 구성원 되기 (실력 기르기!!)
🔥 포기하지 않기