이미지분류
[부스트캠프][P-stage][WK05] P-stage level1 결산 및 개인회고
프로젝트 목표 Special Mission을 최대한 다 하기 Jupyter에서 벗어나 Python IDLE 환경에 익숙해지기 Git을 활용한 협업에 익숙해지기 등수가 높으면 좋지만 기초를 탄탄히하고 되도록 많은 실험하기 나는 내 학습목표를 달성하기 위해 무엇을 어떻게 했는가? 개인 학습 1주차 EDA, Dataset 및 Augmentation transform, 모델 구현 및 Fine-tuning 시도, Feature Extraction 시도 , 다양한 기법을 적용한 training 코드 작성, Tensorboard 사용 등 Special Mission 수행 첫 주차 베이스라인 코드 공개 전 Jupyter를 활용한 resnet18, efficientnet 등 다양한 모델 실험 및 제출 albumentat..
[부스트캠프][P-stage][WK04 / Day5] Image Classification 5
1. 금일 목표 k-fold cross validation 구현 Test Time Augmentation을 구현 Tensorboard, wandb 이용 2. 진행사항 1) k-fold cross validation 구현 k-fold cross validation은 데이터를 k개로 나눠서 각 덩어리를 한 번씩 validation set으로 설정하여 총 k번 모델을 학습, 검증하는 방법입니다. 각 fold의 모델을 앙상블하는데 사용되기도 합니다. def crossvalid(model=None,criterion=None,optimizer=None,dataset=None,k_fold=5): train_score = pd.Series() val_score = pd.Series() total_size = len(d..
[부스트캠프][P-stage][WK04 / Day4] Image Classification 4
1. 금일 목표 체크포인트 모델 저장 F1-score Metric 을 구현 or 코드 Gradient Accumulation을 적용 다양한 스케쥴러 적용 및 비교 Label smoothing, Focal Loss, F1 Loss 등 활용 위 사항별 성능 비교 2. 진행사항 1) 체크포인트 모델 저장 if epoch_val_loss < best_val_loss: print("New best model for val loss! saving the model..") torch.save(model.state_dict(), os.path.join(f'{path}/{epoch:03}_loss_{epoch_val_loss:4.2}.pt')) best_val_loss = epoch_val_loss if epoch_va..
[부스트캠프][P-stage][WK04 / Day3] Image Classification 3
1. 금일 목표 transform 방식 변경 및 모델 바꿔보기 제출 1회 이상, 스코어 올리기 Special mission 모델 구현 Pretrained Model 사용해보기 2. 진행사항 1) transform 방식 변경 transformations['train'] = Compose([ Resize(img_size[0], img_size[1], p=1.0), HorizontalFlip(p=0.5), ShiftScaleRotate(p=0.5), HueSaturationValue(hue_shift_limit=0.2, sat_shift_limit=0.2, val_shift_limit=0.2, p=0.5), RandomBrightnessContrast(brightness_limit=(-0.1, 0.1), co..
[부스트캠프][P-stage][WK04 / Day2] Image Classification 2
1. 금일 목표 1회 이상 제출 이미지와 해당하는 클래스 Label (18개의 클래스 중 하나)을 생성할 수 있는 Pytorch Dataset Class를 직접 생성 albumentation 라이브러리의 여러 transform 기법을 적용 2. 진행사항 1) 1회 이상 제출 처참하다... 보완해야 할 부분이 많다. 2) 이미지와 해당하는 클래스 Label (18개의 클래스 중 하나)을 생성할 수 있는 Pytorch Dataset Class를 직접 생성 class TrainDataset(Dataset): def __init__(self, img_paths, transform): self.df = pd.read_csv(os.path.join(img_paths, 'train.csv')) self.img_pat..
[부스트캠프][P-stage][WK04 / Day1] Image Classification 1
1. 금일 목표 문제 정의 및 컴피티션 내용 정리 데이터 labeling 및 EDA 2. 진행사항 1) 문제 정의 및 컴피티션 내용 정리 코로나 시국에 공공장소에서 모든 사람들의 올바른 마스크 착용 상태를 검사하기 위해 카메라로 비춰진 사람 얼굴 이미지 만으로 이 사람이 마스크를 쓰고 있는지, 쓰지 않았는지, 정확히 쓴 것이 맞는지 자동으로 가려낼 수 있는 시스템을 개발하는 것을 목적으로 진행되는 컴피티션입니다. 위와 같이 마스크 착용여부, 성별, 나이를 기준으로 총 18개의 클래스가 있습니다. Evaluation Metric 2) 데이터 labeling 및 EDA # 폴더 내부 모든 이미지의 경로 가져오기 def find_path(self, df,image_dir): file_path = [] for ..