HRNet 기반으로 진행했습니다.
- HRNet 학습및 예측을 쉽게 돌릴수 있게 만들어준 github을 많이 참고했습니다.
(https://github.com/stefanopini/simple-HRNet)
- HRNet 기본 코드에서 final layer를 바꾸고 학습률과 epoch만 0.0001과 80으로 변경하여 진행했습니다.

실제로 submission을 위해 예측을 수행할 때는 데이터셋과 학습결과물로 저장된 pretrained model 두개를 가져와서 예측만 진행하므로 학습 부분의 코드는 꼭 돌려보시지 않아도 작동합니다.

[학습]
- input image size : (384, 384)
- 학습용 데이터 셋을 만들기 위해 dacon train dataset에서 keypoints들의 최대 최소값에서 10픽셀정도 마진을 둔 후 길이가 긴 쪽을 기준으로 정사각형으로 잘랐습니다. 이후 384로 resizing하였습니다.
augmentation은 특별히 수행하지 않았습니다.
train dataset에서 오류라고 공유된 값들은 제외하였습니다.

[진행환경]
처음 일부 test는 colab에서 하다가 본격적으로 돌릴때는 gpu 서버에 머신러닝 관련 환경이 저장된 이미지를 활용하여 컨테이너를 구축해서 진행했습니다. 따라서 root폴더에 있는 requirements.txt는 조금 난잡하긴 한데 실질적으론 참고한 github인 /hrnet/requirements.txt가 대부분의 활용 라이브러리라고 보시면 될 것 같습니다.

컨테이너 내에서 작업한 내용을 통으로 압축하여 같이 첨부하긴 합니다만 추후 재구현이 제대로 안된다고 판단되면 컨테이너정보가 포함된 이미지 채로 공유할 수 있는 방법을 찾아보겠습니다.

작업 파일 링크 : https://drive.google.com/file/d/1jaVcLmzo06XLz6wxkD6kMUnCFaFb2l1N/view?usp=sharing