[P1] Week 1 Day 2

나며기·2021년 3월 30일
0

부스트캠프 AI Tech

목록 보기
39/79
post-thumbnail

가) 오늘 내 학습목표는 무엇이었나요?

  1. 3X2X3-class classifier multi model test
  2. 다양한 Data Augmentation 적용
  3. 5-fold cross-validation, ensemble test
  4. 제출 기회 10번 모두 사용하기

나) 오늘 나는 내 학습목표를 달성하기 위해 무엇을 어떻게 했나요?

  1. Mask, Gender, Age별로 모델을 각각 학습 후, 통합
  • accuracy : 75.67%, f1 : 0.68%
  1. 18-class classifier single model
'train': transforms.Compose([
        transforms.CenterCrop(256),
        transforms.ColorJitter(brightness=(0.5, 1.5), 
                               contrast=(0.5, 1.5), 
                               saturation=(0.5, 1.5)),
        transforms.RandomAffine(30),
        transforms.RandomHorizontalFlip(p=0.5),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ])
  • accuracy : 76.16%, f1 : 0.71%
  1. 데이터 전처리
  • 오류 수정
    • 004432_male_Asian_43
    • 001498-1_male_Asian_23
    • 006359_female_Asian_18
    • 006360_female_Asian_18
    • 006361_female_Asian_18
    • 006362_female_Asian_18
    • 006363_female_Asian_18
    • 006364_female_Asian_18
  • accuracy : -%, f1 : -%
    • 실수...
  1. 18-class classifier single model
'train': transforms.Compose([
        transforms.CenterCrop(384),
        transforms.ColorJitter(brightness=(0.5, 1.5), 
                               contrast=(0.5, 1.5), 
                               saturation=(0.5, 1.5)),
        transforms.RandomAffine(10),
        transforms.RandomHorizontalFlip(p=0.5),
        transforms.ToTensor(),
        transforms.Normalize([0.56019358, 0.52410121, 0.501457], [0.23318603, 0.24300033, 0.24567522])
    ])
  • accuracy : -%, f1 : -%
    • 실수...
  1. lr=0.001 -> lr=0.0001, epoch=7 -> epoch=20
  • accuracy : 77.02%, f1 : 0.69%
  1. 데이터 전처리
  • 오류 수정
    • 004432_male_Asian_43
    • 001498-1_male_Asian_23
    • 006359_female_Asian_18
    • 006360_female_Asian_18
    • 006361_female_Asian_18
    • 006362_female_Asian_18
    • 006363_female_Asian_18
    • 006364_female_Asian_18
  • accuracy : 77.44%, f1 : 0.70%
  1. 5-fold cross-validation, ensemble
  • accuracy : 78.40%, f1 : 0.72%
  1. 3-fold cross-validation, ensemble
  • accuracy : 78.92%, f1 : 0.72%
  1. 5-fold cross-validation, ensemble
  • accuracy : 78.81%, f1 : 0.72%

다) 오늘 나는 어떤 방식으로 모델을 개선했나요?

  • 5-fold cross-validation, ensemble을 사용

라) 오늘 내가 한 행동의 결과로 어떤 지점을 달성하고, 어떠한 깨달음을 얻었나요?

  1. Mask, Gender, Age 별로 모델을 각각 학습 후, 통합하는 것보다는 18-class classifier single model이 더 나은 것 같다.
  2. 다양한 Data Augmentation을 적용하는 것 보다, CenterCrop() 하나만 사용하는 것이 더 좋은 결과를 보여줬다.
  3. 256 size보다는 384(max) size가 더 좋은 결과를 보여줬다.
  4. 데이터 오류 수정 전이 더 좋은 결과를 보여줬다.
  5. lr=0.001 > lr=0.0001이고 epoch < 10 이하일 때, 더 좋은 결과를 보여줬다.
  6. 5-fold cross-validation, ensemble을 사용하면 안정적이다.

마) 오늘 나의 학습과 시도가 크게 성공적이지 않아서 아쉬운 것은 무엇인가요? 내일은 어떻게 다르게 시도해보실 수 있을까요?

  • 3X2X3-class classifier multi model test, 다양한 Data Augmentation 적용이 생각보다 성공적이지 않아서 아쉬웠습니다.
  • 내일은 사람을 기준으로 train과 test 데이터로 나눈 뒤, 시도해볼 계획입니다.

마무리

오늘보다 더 성장한 내일의 저를 기대하며, 내일 뵙도록 하겠습니다.

읽어주셔서 감사합니다!

profile
PLUS ULTRA

0개의 댓글