P-stage3 img obd 마지막 정리

네트워킹 데이 약간 설명

단순히 프로젝트 해봤다 x.
문제해결과정을 더 적어주면 좋지않을까.

제출제한 없지만 나에게 중요한게 뭔지.. 코테하다가 지침. 꼬일수도 있고.
나한테 선택권이 있을때 중요한게 뭔지 자신이 제일 잘 아니까.

stage 1,2는 난이도가 비교적 낮으니까 3,4로 어필하는걸 추천.

랜덤 피어세션

데이터에서 너무 못맞춘걸 데이터 갯수 자체를 늘려서 사용해서 학습했더니 성능 향상이 있엇음.
언노운 라벨을 제너럴로 바꿔서 했었는데 public 점수는 높았지만 private은 많이 감소함.
언노운을 버리기엔 작은 언노운 small box가 너무 많아서 안버리는게 나은듯.
lr은 최소 코사인 써야 좋은 듯.
kaggle에서 스케쥴러 튜닝한거 보면 lr를 엄청 들쑥날쑥하게 잘 하는 듯.

다른분들도 디버그에 시간 많이 쓴듯. 밖에서 미리 만들어서 가져와서 쓴다던가, 모든 경우의 수로 다 해본다던가, 정리 할 수 있는건 다 정리한다던가..

피어세션

상위권 분들은 유니버스넷을 쓰셨다.
mmcv
FPN caraffe
PAN caraffe

yolo가 속도도 빠르고 현지에서도 많이 쓰인다고 함. 모바일에서도 돌아가니까.. 가벼운 모델로 많이 쓰는듯.
yolo는 구조가 달라서 앙상블 했을 때 성능이 잘나온다고 함.

swin large 0.58 나온듯.
mixed precision 이 p40에서도 효과가 있었던듯. apex.

성능이 낮은 모델이어도 앙상블을 해보기.
HTC(hybrid task cascade)에서 필요한게 instance mask, bounding mask, bounding box. instance segmentation. 토론게시판에서 mask 만든게 있으니 보자.

마스터세션

대회 끝나고 막 가져다 썼던걸 완전히 체화하자. 논문들 보고 config 한줄 한줄 보면서 뭐하는건지 이해하고, 1등분꺼 봐서 직접 해보고 왜 이렇게 했나 보고 공부한다는 느낌으로. 이렇게 해야 얻어간다.
shakeup이 엄청 심했던 곳
https://www.kaggle.com/c/LANL-Earthquake-Prediction/discussion/94390

대회 점수 측정 방법에 대한 의견
https://www.kaggle.com/c/vinbigdata-chest-xray-abnormalities-detection/discussion/229637

렙업 레포트들

P-stage3%20img%20obd%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%205579d3d25a89480984914ae176976334/pstage3_seg__2.pdf

P-stage3%20img%20obd%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%205579d3d25a89480984914ae176976334/pstage3_obd__2.pdf

P-stage3%20img%20obd%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%205579d3d25a89480984914ae176976334/P-stage3_obd_.pdf

pstage3_obd__2.pdf

4.86MB

pstage3_seg__2.pdf

4.87MB

P-stage3_obd_.pdf

0.63MB