- Today
- Total
목록Boostcourse/AI Tech 4기 (94)
hye-log
🐰 오늘의 회고 오늘은 마클 있는 날(!!) 3주 동안 한 대회에 대한 이야기를 나누는 마클이 있는 날이다. 확실히 대회가 끝난 마클에서는 배울 내용들이 많아서 기대(!!!) 우선 마클 때 발표한 팀들을 보면서 problem+solution 전략으로 대회를 진행한 점이 가장 인상 깊었다. 사실 첫 번째 대회에서도 발표하셨던 솔루션이긴 하지만 문제를 정확하게 정의하고 해결 방안을 찾아나가는 것, 그리고 다양한 선택지 중에서 정답을 찾는 과정을 꾸준히 보여주시는 게 놀랍다.. 그리고 semantic segmentation에서 경계의 문제인지 픽셀의 문제인지 나눈 것이 인상적이었다. 그동안 segmentation 문제를 풀면서 어떻게 해결해야 할지 고민했을때 단순히 픽셀 관점에서만 바라봤는데 경계를 봤다는 점..
🐰 오늘의 회고 부캠에서 하는 마지막 대회인 Semantic Segmentation의 대회까지 모두 끝이 났다(와~!) 이번 대회는 엄청난 기법을 경험했다기 보다는 transformer 기반 모델을 사용해서 성능 향상이 컸던 것 같다. deeplab, hrnet으로 실험했을 때에는 0.4~0.5 정도에서만 머물렀는데, swin 쓰는 순간 baseline 성능만 0.7로 높게 나와서 여러 augmentation 기법들을 적용해본 대회였다(!!!) 이제 남은 건 최종 프로젝트 뿐... 최종 프로젝트가 끝나면 부캠도 끝..??!!😱
🐰 오늘의 회고 열심히 실험 돌렸지만 왜인지 Failed... 음.. 이럴리가 없는데 하고 csv 파일을 보니까 모든 픽셀 값을 6으로 예측했다..(왜지 뭐지) 뭔가 오류가 있던거 같아서 inference 파일을 다시 돌리고 제출을 하니 이번에는 제출은 성공(!) 하지만 성능이 0.0025...?? 음..?? 학습을 잘못한건지 inference를 잘못한건지.. 이번 대회에서 유독 csv 제출하면 오류가 많이 난다..(서버야 아프지마..ㅠㅠ)
🐰 개별학습 [6] High Performance를 자랑하는 U-Net 계열의 모델들 1. U-Net 1) Intro (1) 문제 상황 1 : 데이터 부족 - 기존 deep learning 모델은 파라미터 수가 많고 네트워크가 깊음 -> 많은 train data 필요 - biomedical 특성 상 data의 수가 부족함 (2) 문제 상황 2 : 같은 클래스가 인접한 셀 구분이 어려움 - cell segmentation의 경우 셀 사이의 경계 구분 필요 2) Architecture (1) contracting path와 expanding path가 대칭인 U자 형을 이룸 - contracting path : 입력 이미지의 전반적인 특징 추출(down-sampling) - expanding path : l..
🐰 오늘의 회고 2023년이 밝았다..! 부캠도 이제 한 달 반 정도가 남은....(!!) 새로고침데이와 연말을 야무지게 먹고 푹 쉬고 왔더니 뭐부터 해야할지 멍... mmseg 코드부터 다시 살펴보고 괜찮은 모델이 뭐가 있을지 찾아보고 augmentation도 적용하면서 모델 학습 위주로 하루를 보낸거 같다.. 피어세션 때에는 잘 탐지 안 되는 부분이랑 copy&paste 방법론에 대해서 이야기했는데, 뭔가 마음에 들게 segmentation이 되지는 않아서 애매한 부분들이 있다.. 학습 돌리고 inference 하고 마무리 하는걸로(!!!)