잡담연구소

📌 학습 내용 정리 오늘 강의는 내가 좋아하는 이론 수업이 아닌 실전 위주의 수업...💖 10일이란 시간 내에 새로운 모델 구조를 만드는 것은 어렵다! Augmentation이나 Ensemble & TTA를 공략하자. 1. Augmentaton CutMix Object Detection에 cutmix를 적용하는 게 가능하다고..? 놀랍다. 근데 box가 없거나 box가 너무 작다거나 등의 문제점이 존재한다. 예시 실습 코드를 보여주셨는데,,,, 이걸 mmdetection에 어떻게 적용하지....? 웬만한 건 이슈에 가면 다 있다. -> https://github.com/open-mmlab/mmdetection/issues/1113 근데 별로 구미는 안댕긴다; 이거 좀 진화 버전이 copy & paste라..

📌 학습 목표 학습 정리하기 Augmentation 뿌수기 -> 무수면 하더라도 무조건 하자 📌 학습 정리 오늘 강의는 competition이 익숙하지 않은 나 같은 사람한테 도움이 많이 될 거 같다. 1. RandomSeed 고정 -> 매번 이걸로 고통받는 나,,, 항상 1순위로 확인하려고한다. 2. 실험기록 아 너무 이쁜 거 같다. 한 눈에 보기도 좋고. pstage3도 나름 잘 하고 있지만, 이게 더 좋아보인다. pstage4부터 이렇게 해야지!! 3. 실험은 한 번에 하나씩! => 지난 대회 1등이었던 현규님도 이렇게 하셨다고 했다. 뭐가 효과적이었는지 알아보기 위해 (*중첩효과 싫어요ㅠ) 한 번에 하나씩! 2.2 Validaiton이 중요하다 -> 제출을 하지 않아도 모델의 성능을 평가할 수 있..

오늘 너무 고통스러우니 pass

역쉬 작심삼일^^... 오늘부터 슬슬 다시 퍼지기 시작 오늘 피어세션 정말 알찼다. 1. 서로 실험한 결과물을 알 수 있도록 실험일지를 쓰자고 제안했다. - 점수 향상이 있었는지 , score가 얼마나 올랐는 지 , 어떤 방법인지, 왜 썼는지 등을 기록 - 남의 실험 기록이 궁금하거나 하면 댓글을 달면 된다. 갓홍엽님이 내 실험 기대된다고 댓글 달아주셨다 🤭🤭🤭 - 제안은 내가 했지만 홍엽님, 효진님이 너무 이쁘게 잘 쓰셔서 약간 놀랐다 2. 유지님에게 Git 배우기 이번 팀플을 통해 협업에서 Git 관리가 얼마나 중요한지 깨달았다. git 고수 유지님의 도움으로 branch , issue , merge , pr 등등 여러가지를 배웠다. 중간에 한 번 날려먹긴 했지만 ^^,,,, 그래도 운 좋게 웬만한 ..

📌 학습 목표 1. 강의 절반 듣기 2. DeconvNet , SegNet 구현해보기 📌 학습 정리 1. FCN의 한계점 1. 객체의 크기가 너무 크거나 작은 경우 예측을 잘 못한다. - 3x3 같은 미리 정의된 conv를 사용하기 때문에 전체적인 context를 보는 게 아니라 local한 정보들만으로 예측을 하게 된다. ex) 버스 창에 비친 자전거를 인식 2. Object의 디테일한 부분이 사라지는 문제가 발생한다. -Deconv 절차가 너무 간단하기 때문 2. Decoder를 개선한 models Deconv의 절차가 너무 간단해 디테일한 부분을 잡아내지 못하는 FCN의 한계점을 극복하기 위해 모델을 Encoder , Decoder 부분으로 나누어 Decoder 부분을 더욱 효과적으로 학습함 2.1..

📌 학습목표 FCN 구현하기 FCN 을 baseline에 적용해보기 -> 서버가 터졌다!! 내일 하기 📌 학습 내용 정리 1. 3줄 요약 VGG backbone을 사용 VGG 네트워크의 fc layer를 1x1 Convolution으로 대체 Transposed Convolution을 이용해 Pixel Wise prediction 수행 2. 왜 Segmentation에 Fully connected 보다 convolution이 더 잘 어울릴까? Image classification 문제는 물체의 위치는 중요하지 않다. "어떤" 물체가 있는 지가 핵심이므로, 어떤 픽셀이든 같은 label을 갖게 된다. 하지만 Segmentation은 "어떤"물체가 "어디"위치해 있는 지가 중요하다. 위치정보를 살려야한다. F..