본문 바로가기

wrap_up2

[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.
[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.