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

처음에는 tiny vit 를 이용했으나, 성능한계가 보여서

더 많은 데이터를 본 모델 + 세부 구분이 되는 모델로 다시 바꿧습니다.

여러 후보중에 google의 SigLIP 2 So400m사용했고 이것만으로도 0.15~7대에서 0.11대로 상승.

augmentation 은 TrivialAugmentWide외에 random crop을 스케일(0.5, 1.0). perspective 정도가 어느정도 영향이 있었고

그 외에도 추가한 augmentation들이 있었지만, 정말로 큰 영향을 주었는지는 미지수라고 생각됩니다.

validation은 약 0.05정도 acc는 98.5정도 나왔었으나 gap은 줄어들지 않았고

training상 안정성을 보고 아예 validation없는 full dataset으로 진행후 seed ensemble로 추가적인 일반화를 만들었습니다.

(0.11 -> 0.10x)

마지막에 scale + hflip tta로 0.1 -> 0.099 정도로 조금 상승이 있었구요.  

데이터 생성도 고려했으나 퀄리티 및 자원한계상 포기했습니다.

데이터는 정제(중복이미지 삭제) 후, 잘못건드려서 초기화 시킨 이후 다시 정제하는걸 잊어버려서 그대로 사용했습니다.

다만 hand pick으로 골라낸 오류라고 생각한 부분들과 차량 내부사진은 제외했고,

중복클래스도 처리해주었습니다.

상위권 팀들의 솔루션이 궁금하네요.