프로젝트 이름

• 문서 분류 태스크

프로젝트 소개

• 이 프로젝트는 문서 분류 모델을 개발하는 것입니다.
• 이 문서 분류 모델은 품질 저하된 17종의 문서를 분류할 수 있도록 설계됩니다.

팀원 구성

팀장	팀원 1	팀원 2	팀원 3	팀원 4
@Github	@Github	@Github	@Pluto-ai	@deptno

1. 개발 환경

• 주 언어 : Python
• 주 프레임워크 : Pytorch
• 협업 툴 : Github, Slack, Zoom

2. 채택한 개발 기술

Pytorch, torchvision, scikit-learn

• Pytorch 프레임워크

  • 딥러닝 파이썬 프레임워크

• torchvision, pillow

  • 컴퓨터비전용 데이터셋, 모델, 이미지 전처리 제공
  • 이미지 라이브러리

• scikit-learn

  • 성능 평가 지표

effdet, efficientnet_pytorch

• effdet

  • efficientDet 객체 탐지 모델 라이브러리

• efficientnet_pytorch_b4

  • efficientNet 분류 모델 라이브러리

• ConvNext_tiny

  • ConvNex_tiny 분류 모델 라이브러리

3. 프로젝트 구조

├── README.md
├── .gitignore
├── data_augmentation.ipynb
└── ensemble.ipynb

4. 역할 분담

이민석

• 역할
  • 조장, 데이터 전처리, 모델 구축 및 학습, 앙상블
• 기능
  • 데이터 증강, 분류 모델 구축 및 학습, 앙상블 개발

문수민

• 역할
  • 데이터 전처리, 모델 구축 및 학습, 실험관리
• 기능
  • 데이터 증강, 분류 모델 구축 및 학습, 실험관리

김민수

• 역할
  • 프로젝트를 진행하며 맡은 역할 작성
• 기능
  • 프로젝트를 진행하며 개발한 기능 작성

오승민

• 역할
  • 프로젝트를 진행하며 맡은 역할 작성
• 기능
  • 프로젝트를 진행하며 개발한 기능 작성

이봉균

• 역할
  • 데이터 전처리, 모델 구축 및 학습, 앙상블
• 기능
  • 데이터 증강, 분류 모델 구축 및 학습

5. 개발 기간 및 작업 관리

개발 기간

• 전체 개발 기간 : 2024-10-28 ~ 2024-11-09
• 기능 구현 : 2024-11-04 ~ 2024-11-09

6. 프로젝트 개요

EDA

데이터 구성

모델 구성

전체 모델 구성

모델별 구성

EfficientNet_b4모델, 손실함수 및 3/4클래스에 대한 online augmentation

최종 결과

7. 프로젝트 인사이트

OCR을 활용한 클래스 분류

Finetuning을 통한 성능향상 시도

8. 프로젝트 회고

이민석

문서 분류 태스크에서 데이터 분석, 데이터 증강, 모델 구조 선택, 학습, 앙상블 전체를 다루어 볼 수 있어서 좋았습니다.

문수민

CV 관련 대회는 이번이 처음이었으며, 이번 프로젝트를 통해 다양한 이미지 증강과 처리 방법을 배울 수 있었습니다. 모델 부분에서는 사전 학습된 모델을 활용해 직접 파인튜닝을 진행하며 성능 변화를 확인했습니다. 또한, 여러 모델을 사용하고 앙상블을 적용해 성능 개선을 이루었습니다. 실험 관리 측면에서는 가설을 세우고 결과를 확인하면서, 반복적인 개선을 통해 더 나은 방법을 찾아가는 경험을 할 수 있었습니다.

김민수

CV 프로젝트를진행하면서많이배웠습니다

오승민

CV 관련 모델들이 정말 다양하게 있고, 어느 특정 모델만 사용하는 것이 아니라 진행할 프로젝트 주제에 따라 다르게 선택할 수 있다는 점이 흥미로웠습니다

이봉균

문서 분류 태스크를 통해 데이터 증강부터 모델 학습, 앙상블까지 전체를 경험할 수 있어 좋았습니다.