P-stage3 img seg 마지막 정리

피어세션

삼성 GSAT

너무 public overfitting된건 아닌가. 앙상블을 너무 많이 넣어서 편향된듯.
Unet을 안된다고 생각한 부분 뜯어고쳤더니 더 잘나왔더라
모델 개조하면 pretrained weight 어떻게 불러오지? loaddict할려면 이름 일일이 맞추던가 아예 그냥 불러와서 선언하던가.
sota인 HRnet을 더 팠었으면 좋지 않았을까..
파라미터수랑 계산속도랑 정확하게 비례하지 않는 듯. 다른 요인이 뭔지 물어보자.
앙상블할 때 다양한 모델로 하는게 좋은 듯. 우린 거의 다 DeepLab V3+로만 했으니까.. 다양하게 해야 일반화가 잘 될듯.

점수를 높이는것 보다 왜 성능이 좋은지 알아야 하지않을까? 자연스럽게 점수도 올라가고 얻는것도 더 많을듯.

랩업 레포트

P-stage3%20img%20seg%20%E1%84%86%E1%85%A1%E1%84%8C%E1%85%B5%E1%84%86%E1%85%A1%E1%86%A8%20%E1%84%8C%E1%85%A5%E1%86%BC%E1%84%85%E1%85%B5%20e8cb89ba0dd04fa383ca5d6b31d0d903/pstage3_seg_.pdf

pstage3_seg_.pdf

0.10MB

pstage3_seg_.pdf

0.10MB