Boostcamp AI Tech (P1 - Day03)

개인 Project 진행 상황

pretrained efficient net 도입
학습 속도 지연 문제 해결
- validation set이 따로 분리되지 않고, train set 전체 범위로 지정되어 있었음.
  - 내가 만든 데이터셋 클래스에 맞게, random.sample 함수만 사용해 사람별(7로 나눈 몫에 해당하는 랜덤 인덱스를 validation mask로 사용) split
- Dataset 클래스의 getitem 함수를 수정
  - for 문으로 레이블 탐색 후 지정 $\rightarrow$ init 함수에서 매핑 딕셔너리 생성 후 getitem 시 조건에 해당하는 레이블 출력
transforms 다양화
- resize(200, 200)
- random rotation(30)
- random resize crop(150)
- random horizontal flip
- normalize(resnet과 같은 값)
텐서보드와 nvidia-smi를 이용해, 실시간으로 학습 상황(train loss, val loss, val acc 변화)과 GPU 가동률 확인

모델 세 개로 나눠서 각각 학습 한 분, 모델 하나에 헤드 세 개로 학습하신 분 만남
- (보윤님) 마스크 클래스 모델, 성별 클래스 모델, 나이 regression 모델 세 개 나눠서 각각 학습 진행. 하지만 큰 성능 효과를 얻지는 못함.
- (민용님) Faster-CNN 처럼, 특징 추출은 공통적으로 사용하고, 세 가지 헤드(head)를 나누어 다른 loss로 주며 학습.
normalize 값
- (resnet) pretrained model이 학습될 때 사용했던 mean, std 값대로 보통 normalize 해줌
- 링크
일반화
- 라벨 스무딩
- 경계값에 있는 (50대) 데이터를 제외하고 학습? (imbalance 문제 해결 + 나이 클래스 특성 경계 확보)