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

Private 점수가 생각보다 많이 좋게 나왔네요. 일반화 성능이 좋았던 것인지..

제출 모델은 timm/eva02_large_patch14_448.mim_m38m_ft_in22k_in1k 모델 하나만 사용했습니다.

Full Dataset으로 코사인 어닐링 Scheduler 사용해서 훈련시켰습니다.

훈련시에는 크기가 작은 모델인 timm/eva_large_patch14_196.in22k_ft_in22k_in1k 모델을 주로 사용하여 테스트 하였습니다.

훈련데이터셋에서 차량 내부 이미지, 네비게이션 등은 포함하고,

도저히 차량으로 보이지 않는 이미지( 4장이 조합된 이미지, 이미지에 차량이 없는 경우, 트럭 등 )등을 제거했습니다.

augument는 RandAugument 를 사용하였고, 여기에 RandomTranspose와 RandomCrop 을 적용했습니다.

TTA로는 HolizatalFlip 과 Rotation, Detail Effect를 주었습니다.

그리고, Loss 함수는 FocalLoss 에 클래스가중치를 주고 훈련시켰습니다.

처음에는 CELoss 로 훈련하다가 FocalLoss로 변경한 게 성능을 많이 높여주었습니다.

마지막까지도 이것저것 해보 긴 했으나, 작은모델로는 LeaderBoard점수와는 너무 큰 괘리가 있고,

validation 점수로 모델 성능을 담보하기 어려운게 힘들었던거 같습니다.