미니 프로젝트
Deep Learning 미니 프로젝트
개요
• Framework는 PyTorch / Tensorflow 중 자유롭게 선택, 기타 패키지 자유롭게 이용
• 실행 가능하며 로그가 남아 있는 Jupyter Notebook 파일과 pt 파일 그리고 이론을 요약(자유양식) 파일을 함께 제출
- Rice Classification Vision 모델 만들기(55pt)
- Dataset : https://www.kaggle.com/datasets/muratkokludataset/rice-image-dataset/data
- Dataset의 Class 분포 확인하기 (bar graph) 2pt
- 각 class의 image 확인하기 2pt
- VggNet/ Resnet/ Vggnet/ Efficentnet/ Denseent/ NasNet / VIT 이용하여 3epoch 학습 Loss Graph 확인 및 결과 확인하기(각 2pt, 총 12pt)
[ 각 framework에서 기본 제공해주는 모델을 활용하되, 마지막 레이어를 수정하여 이용 ] - 각 모델의 pretrained model을 이용하여 학습하였을 때와 아닌 경우 결과 비교하기 (각 1pt, , 총 6pt)
- 각 모델에서 최초로 제안한 내용에 대해 비교/기술하기 (각 2pt, 총 12pt)
- Model seed 고정 전/후 결과 비교하기 (2pt)
- 만들어진 모델에 Model Soup를 적용해보기(2pt)
- 만들어진 모델에 Greedy Model Soup를 적용해보기(2pt)
- Model Soup 이론 작성하기(1pt)
- Custom Model 생성해보기(2pt)
- Custom Model에 Adam Optimizer와 SGD Optimizer를 이용하여 결과 비교하기(2pt)
- 만들어진 모든 결과에 대해 Confusion Matrix 만들어 보기(2pt)
- Greedy를 제외한 모든 결과 중 최종적으로 best 모델을 선별하고, 그의 CAM(Class Activation Map) 출력해보기 (5pt)
- Image Augmentation을 활용하여 best model의 성능 향상시켜 보기(2pt)
- Class Weight Loss 적용해보기(2pt)
- 고찰(3pt)
I'm Free!