[KT AIVLE SCHOOL] 8주차: 3차 미프

ofohj·2023년 3월 25일
0

KT AIVLE SCHOOL AI 3기

목록 보기
8/21
post-thumbnail

지금까지의 미프중 제일 긴 미프기간을 해치웠다!
우리조는 3일의 비대면, 2일의 대면으로 진행되었는데, 매번 미프때마다 느끼는거지만 정말 대면비대면은 장단점이 뚜!렸!하다.


project #1

주제

🚗차량 공유업체의 차량 파손 여부 분류

문제 해결

시각지능 딥러닝을 이용한 이미지 분류 문제

지난 주에 배운 시각지능 딥러닝을 통해 프로젝트를 진행하였다.
첫 번째 프로젝트는 모델을 정해주시지 않았기 때문에

  • 직접 CNN 계층 구성하기
  • Data augmentation
  • transfer learning

방법을 활용해 분류문제를 해결하였다.

이력서에 기술블로그를 제출하면 블로그 내용에 대한 질문을 받을 수도 있다고 한다.
그래서 잠깐정리~ transfer learning~

🥸: 지원자님, Transfer Learning이 뭐죠? 알고 쓰신건가요?
😀: 네! transfer learning은 전이학습으로, 남이 잘 만들어 놓은 모델을 본인의 문제에 맞게 파인튜닝하여 모델링하는 방법입니다.

남이....잘...만드러너은...이라는 말이~ 좀~ 면접스럽지않지만 대체할만한 좋은 멋잇어보이는 단어가 생각이 안난다.

결론 및 느낀점

  • 내가 만든 모델보다 남이 만든 모델이 더 좋다!
  • 전처리가 제일 오래걸리며 그만큼 중요하다!
  • 아무리 좋은 모델을 써도 전처리가 부족하다면 좋은 성능을 낼 수 없다!
  • 모델의 구조를 만들 때, 레이어를 쌓는 순서깊이가 성능에 큰 영향을 미친다!

project #2

주제

🪙저시력자를 위한 원화 화폐 분류

문제 해결

시각지능 딥러닝을 이용한 객체 탐지

두 번째 프로젝트에서는 Yolov5를 사용하였다.

첫 번째 프로젝트에 있던 데이터 증강 과정이 빠져서 수월할거라 생각했는데, 전처리 과정에서 이미지와 json을 분리하여 train, val로 나누는 과정이 너!무! 어려웠고 오래걸렸다.

그리고 두번째 막힘파트 yaml!!!!!!!
도대체 야물이 왜~~ 뭐야~~~ 했는데 그래도...미프가 끝난 지금.. 뭔지 알게되었다.

yaml 파일 만드는 방법

📍방법 1: 코드 입력

yaml 파일에 들어가야하는 요소들에 값을 넣어주고 yaml 파일로 만들어 여는 방법이다.

money = {'path' : '/content/drive/MyDrive/Dataset/',
		 'train' : '/content/drive/MyDrive/Dataset/labels/train',
		 'val' : '/content/drive/MyDrive/Dataset_re/labels/train',
		 'nc' : len(won_dict),
		 'names' : list(won_dict.values())
				}
with open('/content/drive/Mydrive/Dataset/money.yaml','w') as f:
	yaml.dump(money,f)

📍방법2: txt 파일에 만들기

txt 파일을 새로 만들어 그 안에 아래코드와 같이 필요한 요소를 넣는것이다.
그리고 확장자를 .yaml로 만들기!

path : /content/drive/MyDrive/Dataset/
train : /content/drive/MyDrive/Dataset/labels/train
val : /content/drive/MyDrive/Dataset_re/labels/train

nc : 8
names : [0,1,2,3,4,5,6,7]

코드가 아직 손에 익지 않아 이 방법이 훨~씬 맘편하고 좋다.

결론 및 느낀점

  • yolo 학습 진짜 오래걸린다.
  • yolo의 크기가 커질수록 성능이 향상하지만, mAP50 점수가 큰 차이를 보이지는 않았다. 대회에 나갈땐 큰거 쓰고 그냥 실습할땐 작은거 써도 되지 않을까?
  • 컴퓨팅 개수를 다 사용하였다.
  • 그와중에 용량도 간당간당하다.

0개의 댓글