가) 오늘 내 학습목표는 무엇이었나요?
- 새로운 train_test_split으로 test
- 제출 기회 10번 모두 사용하기
나) 오늘 나는 내 학습목표를 달성하기 위해 무엇을 어떻게 했나요?
- 18-class classifier single model
- accuracy : 28.56%, f1 : 0.09%
- 라벨링 에러
- 18-class classifier single model, 라벨링 에러 수정
- accuracy : 77.98%, f1 : 0.71%
- 데이터 전처리
- age filter 52-59
- transforms.CenterCrop((400,200))
- optim.Adam(model_ft.parameters(), lr=0.001)
- accuracy : 65.56%, f1 : 0.61%
- 3번 오류 수정
- accuracy : 74.59%, f1 : 0.71%
- 데이터 전처리
- 마스크 착용 사진 5장 중, 랜덤으로 2장 사용
- transforms.CenterCrop(384)
- accuracy : 74.70%, f1 : 0.68%
- efficientnet-b5
- accuracy : 72.54%, f1 : 0.65%
- data upsampling, downsampling
- 0 : 2170 -> 800
- 1 : 1730 -> 800
- 2 : 320
- 3 : 2880 -> 800
- 4 : 3285 -> 800
- 5 : 415
- 6 : 434
- 7 : 346
- 8 : 64 -> 512
- 9 : 576
- 10 : 657
- 11 : 83 -> 664
- 12 : 434
- 13 : 346
- 14 : 64 -> 512
- 15 : 576
- 16 : 657
- 17 : 83 -> 664
- accuracy : 73.33%, f1 : 0.65%
- efficientnet-b0
- accuracy : 78.27%, f1 : 0.74%
- efficientnet-b0, transforms.CenterCrop((400,200))
- accuracy : 77.05%, f1 : 0.71%
- lr_scheduler.StepLR(optimizer_ft, step_size=2, gamma=0.9)
- accuracy : 78.37%, f1 : 0.73%
다) 오늘 나는 어떤 방식으로 모델을 개선했나요?
- 개선하지 못했습니다…
라) 오늘 내가 한 행동의 결과로 어떤 지점을 달성하고, 어떠한 깨달음을 얻었나요?
- resnet 이외에도 efficientnet이 상당히 좋은 성능을 보여준다는 것을 알 수 있었습니다.
마) 오늘 나의 학습과 시도가 크게 성공적이지 않아서 아쉬운 것은 무엇인가요? 내일은 어떻게 다르게 시도해보실 수 있을까요?
- 새로운 train_test_split으로 test한 것과 다양한 데이터 전처리 방법들이 생각보다 성공적이지 않아서 아쉬웠습니다.
- 내일도 데이터 전처리 중심으로 다시 시도해볼 계획입니다.
마무리
오늘보다 더 성장한 내일의 저를 기대하며, 내일 뵙도록 하겠습니다.
읽어주셔서 감사합니다!
PLUS ULTRA