월간 데이콘 제 2회 컴퓨터 비전 학습 경진대회

우선 비전 분야에서 결과를 얻어내는 재미를 느끼게 해준 데이콘 측에 감사의 말씀부터 전합니다. 정말 운이 좋게도 상위권에 오르게 되어 기쁘고, 한편으로는 시도해본 여러 방법론들이 생각보다 효과가 좋지 않았어서 아쉬운 마음 또한 많은 대회였습니다.

GPU, 모델 및 대표적인 hyper-parameter 등은 아래와 같습니다.
- GPU: RTX2080ti
- 모델: EfficientNet-b7
       Seed만 다르게 설정한 세개의 5-fold model을 학습 -> Soft-voting Ensemble
- Batch size: 20
- Epochs: 40
- Optimizer: RAdam
- Learning Rate: 0.0015
- LR scheduler: multistep (30, 40, 60%)
- Warmup: until 15% of epochs

이외 수행 내용은 아래 각 파트별로 적어놨습니다. 다만 저희 팀의 경우 notebook을 염두에 두지 않고 코드를 작성해서, 사용한 모듈에 설명을 추가하여 업로드하였습니다. 노트북에서 사용하실 경우 argparser의 변수를 직접 설정하셔야 하나, 수정할 부분이 많기 때문에 만일이라도 본 코드를 사용하실 분들은 위해서는 아래와 같은 디렉토리로 모듈 생성하여 사용하시면 됩니다.

--main.py
   |---logs
   |---ckpt
   |---dataset
         |---train
               |---00001.png ...
         |---test
               |---50000.png ...
   |---src
         |---model.py
         |---train.py
   |---utils
         |---call_model.py
         |---dataloader.py
         |---earlystopping.py
         |---imageprocess.py
         |---radams.py