✈ 사물 이미지 분류 대회
- Github : https://github.com/han-tae-ho/dacon/
- 대회 소개 : 총 10개의 class 로 이루어진 데이터를 분류
- 대회 결과 : Accuracy : 0.8712 ( 26위 / 460팀 )
- 주요 기술 : Computer Vision, Image Classification, SRCNN + Efficientnetb0(or Resnet34), Pesudo Labeling, TTA
- 피드백
- Meta Pesudo Labeling 구현 및 적용을 안한 점 (그냥 Pesudo Labeling 사용)
- Teacher 모델과 student 모델 dropout layer 수치 다르게 돌려봤으면 ?? (labeled data의 dropout이 더 높게 - 논문참고)
- 데이터 EDA 결과, 이미지 resolution이 매우 낮은 것을 확인 -> HRGAN 사용 후 classification model 적용 어떨까 생각.
- but, 대회 규정 상 pretrained model 사용 금지, 외부 데이터 사용 금지 이유로 불가능해서 아쉽다.
- row resolution개선하기 위해 classifier model 앞에 SRCNN layer 추가. -> 추가을 했을 때와 안했을 때 비교 못한 것(성능 향상 되었을까 ?)
- DataAug나 Hyper parameter 수정 시 optuna 이용 해보기, pesudo label 사용시 randomAug 적용해보기
- Configs 들 yaml나 arg로 구현해서 코드 통합하기.
✔ EDA
- 각 class 별 5000장 씩 -> balanced data
- very low resolution -> SR network 사용 -> but 대회 규정 상 불가 -> layer 만 사용
✔ Model
- SRCNN + Efficientnetb0
- loss : CrossEntropyLoss
- optim : Adam
- Scheduler : ReduceLROnPlateau
- LEARNING_RATE = 0.002
- EPOCH = 40
- BATCH_SIZE = 64
✔ Requirements
pip install -r requirements.txt
✔ Train
python train.py
✔ Eval
python eval.py