HAI(하이)! - Hecto AI Challenge : 2025 상반기 헥토 채용 AI 경진대회

처음에는 fine-grained classification으로 접근하여 해당분야의 SOTA급 성능의 논문 중 사용가능한 라이센스의 공개된 코드를 가져와서 했으나 기대치에 미치지 못해 라이브러리로 제공되는 모델을 사용하기로 결정했습니다

저희는 총 3개의 모델을 TTA(test time augmentation)후 앙상블 해서 사용했고 각 모델은 timm 라이브러리를 사용했습니다. 순서대로 아래와 같습니다
convnext_small_384_in22ft1k, deit3_small_patch16_384, tf_efficientnetv2_m.in21k_ft_in1k

효율적으로 시간을 사용하기 위해 autocast를 사용하여 fp32 -> fp16 으로 전환하여 학습했습니다. 성능의 하락이 있으나 시간적인 측면에서의 이점이 더 크다 판단되었습니다
이미지 전처리 역시 라이브러리에서 제공하는 기법의 성능이 public에서 가장 좋은 성능을 보였고 약간의 수정과 cutmix를 함께 사용했습니다

자세한 내용은 아래 코드에 있습니다. 
궁금하신 내용은 제 프로필의 메일로 연락주시면 감사하겠습니다.