프로젝트 3 - U-Net 계열의 고성능 모델
- U-Net
- U-Net++
- U-Net 3+
- 기타 U-Net 계열
DeepLabV3+, backbone resnext50_32x4d로 epoch 30, crossentropy, adamW, input 256에서 다양한 augmentation
mIOU 측면에서 rotate와 RandomGridshuffle, MaskDropout이 성과가 좋았음
kfold를 시도해 보자. 근데 주의할 점은 이미지를 가지고 학습/테스트를 진행하지만 각 폴드 안에는 어노테이션이 고르게 분포해야 한다는 것임...
cv2로 이미지, 마스크의 크기를 따로 줄일 수 있지만 cv2를 쓰면 마스크가 보간되어서 원하는 결과랑 좀 다르게 나옴.
albumentation에서는 이미지와 mask를 같이 전달해서 크기를 둘 다 한번에 줄일 수 있다. 이미지는 보간을 하지만 마스크를 전달하면 보간하지 않는 듯.