프로젝트 소개

이 프로젝트는 Computer Vision 기반의 Classifier 모델을 훈련하여 왜곡이 포함된 이미지를 정확하게 분류하는 것을 목표로 합니다. 17개 클래스의 이미지를 대상으로 하며, 회전, 뒤집기, 노이즈 등 의도적으로 왜곡된 이미지를 포함합니다.

주요 특징:

• 훈련 데이터: 1,570장
• 평가 데이터: 3,140장
• 클래스 수: 17개

팀원 구성

진주영(팀장)	최정은	문기중	이승민	김효원
@Pearl-zero	@Insight7321	@provismoon	@bzwear	@hannakhw

개발 환경

• 주 언어 : Python
• 버전 및 이슈관리 : Pytorch
• 협업 툴 : CUDA

채택한 개발 기술과 브랜치 전략

채택한 개발 기술

1. 데이터 증강 기법:
- 오프라인 증강(14만장, 20만장, 30만장): Rotation, Flip, Augmentation(class 1,13,14 위주), Transforms 등
- 온라인 증강: Random Brightness & Contrast, Hue Shift, Gaussian Noise 등
- Augraphy는 offline 데이터셋으로 먼저 20만장 정도 증강 후 사용했더니 큰 차이 없어 대부분 사용 안함(일부만 사용)
- Mixup, Cutmix 등 추가 사용

2. 모델 아키텍처:
EfficientNet (B0, B3, B4) > 개별 모델에서 성능 제일 좋았음. 특히 Efficientnet_b3
ResNet (34, 50, 101, 152)
ResNeXt
DenseNet121
Vision Transformer (ViT)
Swin Transformer
ConvNeXt1

3. 최적화 기법:
손실 함수: Cross-Entropy Loss, Focal Loss
옵티마이저: Adam, AdamW
학습률 스케줄러: StepLR, CosineAnnealingLR1
그 외: Label smoothing, 클래스별 weights 시도 등

4. 앙상블 기법: Soft Voting, Hard Voting

브랜치전략

• 브랜치 전략
  • Git-flow 전략을 기반으로 main, develop 브랜치와 feature 보조 브랜치를 운용했습니다.
  • main, develop, Feat 브랜치로 나누어 개발을 하였습니다.
    • main 브랜치는 배포 단계에서만 사용하는 브랜치입니다.
    • develop 브랜치는 개발 단계에서 git-flow의 master 역할을 하는 브랜치입니다.
    • Feat 브랜치는 기능 단위로 독립적인 개발 환경을 위하여 사용하고 merge 후 각 브랜치를 삭제해주었습니다.

프로젝트 구조

project/
│
├─Juyoung
│  ├─CODE
│  │      code_12_loss.ipynb
│  │      code_15(Effi_b3).ipynb
│  │      code_16(Augraphy).ipynb
│  │      code_19(Changes epochs).ipynb
│  │      code_24(Scheduler).ipynb
│  │      code_4.ipynb
│  │      code_7_weights.ipynb
│  │      code_9(K-FOLD).ipynb
│  │      Softvoting_exp_copy.ipynb
│  │      Train_Only_3,7Class.ipynb
│  │      train2.ipynb
│  │      train2_EDA.ipynb
│  │      train3.ipynb
│  │      train4.ipynb
│  │
│  └─EDA
│          EDA(Class, RGB, Resolutions).ipynb
│          EDA(Identify Misclassifications).ipynb
│
├─Jeongeun
│      cv3_code_1106.ipynb
│      cv3_code_ResNet50_1103.ipynb
│      precalculate.ipynb
│      resnet50_fin.ipynb
│
├─Gijung
│      baseline_code_mlflow.ipynb
│      class-metrics2.ipynb
│      cv.ipynb
│      tta-inference-with-model-load.ipynb
│
└─Seungmin
│       [업스테이지AILab] CV 프로젝트 3조 - 발표자료.pdf
│
├─Hyowon
│      online_aug.ipynb
│      swin_tiny_aug_.ipynb
│
└── README.md
...

역할 분담

진주영 - 지치지 않는 무한 리액션
최정은 - 즐겁게 여러가지 시도해보기
문기중 - 뭔가 더 해보기
이승민 - 오디오 채우기
김효원 - 잘 모르는데 일단 해보기

개발 기간 및 작업 관리

개발 기간

• 전체 개발 기간 : 2024-10-29 ~ 2024-11-08
• 기능 구현 : 2024-10-29 ~ 2024-11-08
• 그외 기간 작성