[Feat] elastic, dilation, erosion 증강 기법 적용

📝 작업 내용

작업 내용
1. dataset.py에서 데이터를 불러올 때 elastic과 dilation/erosion이 적용되도록 코드를 수정한다.
2. cord+합성데이터(점선 있는)로 pretrained된 모델을 불러와 train/valid로 나눈 (점선을 없앤)json파일을 이용해 학습시킨다.
3. 모델이 valid set을 추론한 것과 답을 이용해 평가 점수를 확인해보고 모델의 성능을 확인한다.

우리가 만든 valid와 리더보드의 f-1score의 차이는 대략 valid가 0.2정도 낮다.

그걸 인지한 상태에서 우리가 증강을 적용한 모델의 valid 평가 점수를 살펴보면 아래의 그래프처럼 생긴 것을 알 수 있다.

34 epoch일때 valid f-1socre가 0.8674로 최고 점수를 찍고 점점 0.84에 수렴하는 것을 알 수 있다.

pretrain dataset	augmentation	pretrain 점선	finetuning 점선	epoch	valid f1-score
CORD + 합성	color+rotate	o	x	36	0.87xx
CORD + 합성	color+rotate+elastic+dila/erosion	o	x	34	0.8674

기존에 우리가 제일 잘 나온 모델에 증강 기법을 추가한 것인데 오히려 성능이 떨어지는 것을 볼 수 있다.

뭔가 더 robust하라고 넣어준 elastic이나 erosion이 모델 학습에 방해가 된 것이 아닌가 하는 생각이 든다.

이 증강 기법 보다 다른 기법을 생각해보는 것이 좋을 것 같다.

feature/27-elastic -> develop

Resolved: #27

기타 적고 싶은 사항