본문 바로가기

week47

[Image Classification] Week5 Daily Report :: seoftware > : 카메라로 촬영한 사람 얼굴 이미지의 마스크 착용 여부를 판단하는 Task 🟢개인적인 의견 및 시행착오 과정은 초록색 🌼 Day20 Multi-outputs에 대한 코드 변경 내용 작성 dataset.py 변경 전 : 18개의 클래스가 원핫벡터로 표현 변경 후 : 마스크 착용 여부, 성별, 연령대에 대한 분류 별로 멀티 아웃풋 model.py 백본 네트워크 : Xception (multi head) Xception의 feature에 마스크 착용 여부(wear, incorrect, not wear), 성별(male, female), 나이대(30↓, 30~59, 60↑)를 구분하는 3가지 classifier를 붙였다. 1 feature, 3 classifier timm에서 제공하는 xception 모델.. 2021. 9. 3.
[Boostcamp]Week4-Day18. Training & Inference :: seoftware 목차 1. 강의정리 1-1. P stage - chap7. Training & Inference 1 1-2. P stage - chap8. Training & Inference 2 2. 피어세션 정리 3. 데일리 회고 📜 강의 정리 [P stage] Chapter7. Training & Inference 1 🌈 Loss, optimizer, metric에 대해 알아보자 1. Loss loss backpropagation : output과 target 간의 loss를 구한 후 역전파 loss function 선택 중요 nn.Modules Family loss.backward() : 이 함수가 실행되면 모델의 파라미터의 grad 값이 업데이트. loss부터 input까지 체인 연결 조금 특별한 loss Fo.. 2021. 8. 26.
[Boostcamp]Week4-Day17. Model :: seoftware 목차 1. 강의정리 1-1. P stage - chap5. Model 1 1-2. P stage - chap6. Model 2 2. 피어세션 정리 3. 데일리 회고 📜 강의 정리 [P stage] Chapter5. Model1 : Model with PyTorch 🌈 Pytorch라는 프레임워크가 가지는 특성과 Pytorch를 사용하여 모델을 구성하는 방법을 알아보자 모델 : In general, a model is an informative representation of an object, person or system. 1. pytorch Open Source Machine Learning Framework 런타임으로 정의되는 다이나믹한 그래프를 볼 수 있음. 유연함. Low-level, Pytho.. 2021. 8. 25.
[Image Classification] Week 4 Daily Report :: seofware > : 카메라로 촬영한 사람 얼굴 이미지의 마스크 착용 여부를 판단하는 Task 🔴앞으로 더 고민해봐야 할 것은 빨간색 🟢고민해서 결론을 내린 것은 초록색 🌼 Day15. EDA EDA는 무엇을 해야할지 고민 피어세션 전에는 각 클래스 별로 어떤 데이터가 있는지 확인하려고 함 피어세션에서 다른 캠퍼님의 EDA를 보고 조금 더 데이터를 뜯어볼 필요를 느낌 데이터의 분포를 확인했는데, 성별은 'female' 비율이 높았고 연령대는 '60세 이상'이 확연히 적었으며, '30-60세' 범위의 사람들은 너무 골고루 펼쳐 있었다. 위를 보고 데이터 불균형으로 인한 문제가 발생할 것을 예상할 수 있었고 해결방법에 대해 고민해봤음. data visualization의 seaborn 강의 수강 서버 생성 AI stage.. 2021. 8. 25.
[Boostcamp]Week4-Day16. Dataset & Dataloader :: seofware 목차 1. 강의정리 1-1. [P]이미지 분류 - chap3. Dataset 1-2. [P]이미지 분류 - chap4. Data Generation 2. 피어세션 정리 3. 데일리 회고 * P stage 는 3주간 배운 이론을 실제로 사용해보는 시간입니다. 📜 강의 정리 [P stage] Chapter3. Dataset 🌈데이터전처리 방법과 일반화에 대해 알아보자 컴피티션이 데이터셋은 정제된 데이터를 담고 있지만, 실제 데이터의 품질은 보장하기 힘들다. 1. 데이터전처리 1. Bounding box 이미지 데이터에는 우리가 필요로 하는 데이터 외에 불필요한 정보까지 담고 있다. 2. Resize 화소가 너무 많으면 학습시킬 파라미터가 너무 많아서 학습시간이 오래걸린다. 따라서 계산의 효율을 위해 적당한 .. 2021. 8. 24.
[Boostcamp]Data visualization Seaborn :: seoftware 목차 1. 강의정리 1-1. Data Viz - Seaborn 소개 1-2. Data Viz - Seaborn 기초 1-3. Data Viz - Seaborn 심화 📜 강의 정리 * 부스트캠프 Data visualization 강의를 맡아주신 안수빈 강사님의 강의를 정리한 것 입니다. [Data Viz] Seaborn 소개 Seaborn은 Matplotlib 기반 통계 시각화 라이브러리 통계 정보 : 구성, 분포, 관계 등 Matplotlib 기반이라 Matplotlib으로 커스텀 가능 쉬운 문법과 깔끔한 디자인이 특징 설치 : pip install seaborn==0.11 [Data Viz] Seaborn 기초 🌈 Seaborn의 구조와 문법에 대해 알아보자 Seaborn API 통계 시각화 종류 Ca.. 2021. 8. 24.
[Boostcamp]Week4-Day15. P stage start :: seoftware 목차 1. 강의정리 1-1. [P]이미지 분류 - chap1. Competition with AI stages! 1-2. [P]이미지 분류 - chap2. Image classification & EDA 2. 실습 3. 피어세션 정리 4. 데일리 회고 * P stage 는 3주간 배운 이론을 실제로 사용해보는 시간입니다. 📜 강의 정리 [P stage] Chapter1. Competition with AI stages! 🌈대회 시작 전 중요한 포인트를 살펴보자 1. Overview : Kaggle, Dacon 등의 여러 competition 플랫폼이 존재하는데, 문제에서 가장 먼저 봐야할 것은 방향성이다. 어떤 문제인지 정확하게 파악한 후에 적절한 해결방안을 도출할 수 있다. 2. Description .. 2021. 8. 23.

티스토리툴바