생육 환경 최적화 경진대회

이후 해당 대회에 연습으로 참여하실 분들이 참고하셨으면 좋겠습니다.
(해당 코드를 run하여 얻은 결과로 [Public : 0.1221, Private : 0.1254]의 결과를 얻을 수 있습니다.)

1. model 
- resnext, efficientnet등 다양한 모델을 사용해보았으나 regnety의 성능이 가장 좋았고 그중에서 regnety_004를 사용하여 해당 점수를 얻었습니다.

2. input image size 
- (512, 512)

3. label 
- 현재의 잎 정보를 label로 사용했습니다. (dataset 코드 상에서 "label"이 하루 뒤의 잎 정보, "aux_label"이 현재의 잎 정보에 해당합니다. -> 즉, "aux_label"을 학습에 사용했습니다.)

4. data 
- 75개의 케이스를 5등분하여 5-fold CV를 사용했습니다.

5. remove 
- 23번의 케이스는 노이즈가 크다고 판단하여 train, val모두에서 제거했습니다.

6. inference 
- 5개의 모델(5-fold)을 평균하여 제출했습니다.

7. regularization
- https://github.com/YaredTaddese/leaf-image-segmentation 를 사용하여 leaf segmentation 정보를 얻고 이를 모델이 맞춰야하는 라벨로 설정 후,  해당 라벨에 대한 loss도 학습에 반영할 경우 조금의 성능 향상이 존재했습니다.(해당 코드에서는 사용하지 않았습니다.)

8. 참고한 논문 
- [Improving the Performance of Neural Networks in Regression Tasks Using Drawering] -> https://arxiv.org/abs/1612.01589