저해상도 조류 이미지 분류 AI 경진대회

[Summary]
1) Data Augmentation 실험
     - 일반적인 이미지 증강 적용 (RandomVerticalFlip 적용시 성능 하락)
2) RandomSampler 적용 (성능 급 상승)
3) Loss Function 실험
     - CrossEntropyLoss (label_smoothing = 0.11) 적용
4) 모델 Fine-Tuning 실험
     - 모델 1 : timm/eva_large_patch14_196.in22k_ft_in22k_in1k ➢ Public LB : 0.9778923597
     - 모델 2 : timm/beitv2_large_patch16_224.in1k_ft_in22k_in1k ➢ Public LB : 0.9743078139
     - 모델 3 : microsoft/swinv2-large-patch4-window12to16-192to256-22kto1k-ft ➢ Public LB : 0.973297775
5) 최종 Ensemble 제출(Submit)
     - 최종 모델 Top 3 Hard Voting 제출
      (최종 : Public LB: 0.97912, Private LB : 0.98221)
※ Base Code 참조 : 파이썬초보만님 – SwinV2 baseline (https://dacon.io/competitions/official/236251/codeshare/10371?page=1&dtype=recent)
※ 아래 코드는 "eva_large" 대표 코드이며, 아래 주석 2개를 교체하여 학습한 후 나온 결과 submission file 3개를 하드 포팅한 결과 Private LB 5위 Score 임
[소견]
 "Transformer" 계열의 모델에서 좋은 성능을 확인할 수 있었고 다양한 Image Patch 처리 방안의 효과를 분석하며 최적의 모델을 찾는 실험을 반복하였습니다.
마지막까지 실험 및 앙상블을 시도한게 주요하게 먹힌 대회였습니다. 한달 동안 고생하셨습니다 :)