2023 Samsung AI Challenge : Camera-Invariant Domain Adaptation

알고리즘 | 비전 | 이미지 분할 | 도메인 적응 | mIoU

상금 : 2,100만 원
757명 마감

연습

대회안내 데이터 코드 공유 토크 리더보드

제출

[Baseline] Run Length Encoding + U-Net Semantic Segmentation

DACON.SeungYoon

2023.08.21 09:45 5,393 조회 language

안녕하세요. 데이콘입니다.

해당 베이스라인은 모든 참가자의 '제출'을 목표로 하며,
Segmentation Task에서 가장 기초적이고 대표적인 'U-Net' 구조를 활용하여 구현되었습니다.

또한 이번 경진대회에서 주로 사용될 RLE 인코딩에 대한 코드도 포함되어 있기 때문에 참고하시는 것을 권장합니다.
베이스라인이 여러분만의 고도화된 모델 작성에 도움이 되면 좋겠습니다.

감사합니다.
데이콘 드림

코드

댓글 3개

로그인이 필요합니다

comment

0 / 1000

꾸라짱

2023.08.21 13:10

환경 스펙이 무엇인지 확인 가능한가요? 예를들어 CPU와 GPU 뭐 쓰셨는지 같은거요!

다마콘

2023.08.21 15:16

지나가는 사람입니다
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
이 의미가 gpu가 있으면 gpu 쓰고 없으면 cpu 쓰라는 의미입니당
다시 지나 갑니다.

꾸라짱

2023.08.21 17:32

아 제 질문이 애매하거나 이해하기 어려웠나보네요.
다마콘님이 말씀해주신 기본적인 코드를 여쭤본게 아니라 베이스라인 코드를 만드신 분의 실제 환경을 여쭤본 것 입니다.
gpu와 cpu가 어떤거 쓰셨는지에따라 실제 개발할 때 참고가 되기 때문입니다. 참가자들 각자 가지고 있는 cpu와 gpu 종류가 다를테니까요^^

📣 댓글 작성 창의 위치가 댓글 리스트 상단으로 이동하였습니다!

목록으로

OpenCV를 활용한 Fisheye augmentation 방법

대회 - 2023 Samsung AI Challenge : Camera-Invariant Domain Adaptation

일 년 전

현재 글

[Baseline] Run Length Encoding + U-Net Semantic Segmentation

대회 - 2023 Samsung AI Challenge : Camera-Invariant Domain Adaptation

일 년 전

다음 글이 존재하지 않습니다.