imagedebup 모듈에서 중복이미지 선정 기준을 0.9로 잡았는데, 중복이미지를 17,000개를 인식함. -> 17,000개 중복이미지를 제거 후 남은 이미지들을 class별 분포를 확인해보니 , 데이터불균형 문제가 없었음, 만약 imagedebup 모듈을 사용해도 되면 좋은 결과 예상이 가능!
질문
동일한 일러스트에서 배경색만 다른 케이스를 잡는가 : Yes
해야할 일
종원님이 모델을 학습할 수 있도록 중복이미지를 제거에 도움되는 정보(path 등) 공유하기
예시) 버스 5장 vs 기차 10장 학습해도, 버스를 잘 인식할 수도 있다. 이럴땐 기차 이미지를 증식하는 식으로 실험해서 성능 높이기
상민
작업 : 파이프라인 py 코드 작업
코드 리뷰 :
Click 예시 ( e.g. python classify.py --outdir "C:\asd\asd"
파이참, VSCode 쓰는경우 : Run Configuration - parameter에 정보 입력(--outdir PATH)
해야할 일
RGB를 이용하여 클러스터링
태훈
작업 : 언더샘플링 종류 및 이미지 argumentation 종류 찾기
에러사항 :
언더샘플링 결과에 대한 성능평가를 아직 할 수 없음
해야할 일
transform이 적용될 수 있는 다양한 예시 찾아보기
소연
작업 : cutmix 구현
질문
cutmix로 만든 이미지를 training 데이터 외 사용 하는가 , cutmix로 만든 이미지만 사용하는가? 둘다 쓰는가 ? : 둘다 쓰는 것이 좋음(물론 실험해봐야 함)
batch와 unbatch를 동시에 왜 쓰는가?
해야할 일
cutmix 작업한거 utils.py에 추가 및 불러오기 기능 구현
멘토링에서 무엇을 물어볼 것인가?
멘토링 시간 : 10시 ~ 10시 50분 ( 10월 15일 (토) )
질문
중복이미지 제거에 사용된 imagedebup 모듈에서 사용된 사전 학습된 모델(MobileNet)을 사용해도 되는가?
2022 - 10 - 14 ( 금 ) 22시 30분 ~
진행자 : 박종원
기록자 : 이태훈
작업 공유
종원
민영
상민
태훈
소연