위성 영상을 활용한 북극 해빙 예측 AI 경진대회

월간 데이콘 13 | 극지연구소 | 비전 | 시계열 | 북극 | 해빙 | MAE/F1

  • Prize : 총 100만원
  • 775명
  • 마감
Join Competition

 

Private 7위, score: 4.54576, ConvLSTM, 지역분할

2021.04.17 20:49 1,765 Views language

모델 설명

기본적으로 Dacon.Dobby님의 ConvLSTM 모델을 그대로 사용했습니다. 모델설명은 이를 참조하면됩니다.  
 
https://dacon.io/competitions/official/235706/codeshare/2447

기상예측 논문 등을 참고해서 Encoding Forecasting ConvLSTM network 형태로 모델을 바꾸어보았지만 colab 환경의 메모리 부족으로 인해 feature size나 batch size를 줄여야만 학습이 가능했고 결과적으로 예측결과가 더 좋지 않았습니다.

그래서 ConvLSTM 모델을 그대로 사용하면서 전처리 / 후처리에 집중했습니다.

Main Idea 는 일년내내 얼어있는 지역과 녹았다 얼었다하는 지역 간에는 결빙도의 변화 추세가 다를 것이라는 생각을 기반으로 평균 결빙도를 기준으로 월별로 두 지역으로 나눠서 별도로 학습을 수행했습니다. 이렇게 학습한 결과는 위성사진 전체를 한번에 학습한 결과와 비슷한 점수가 나왔고 두 결과를 평균으로 앙상블했을 때 퍼블릭 점수 기준으로 0.1점 정도의 큰 점수 향상이 있었습니다.

학습결과의 점수 분산이 커서 이를 줄이기 위해 최종적으로는 여러번 학습한 결과를 앙상블했습니다.
(위성사진 전체학습 (A) x 0.5 + 위성사진 전체학습 (B) x 0.5) x 0.5 +
(결빙도 50% 기준 분할 학습 x 0.5 + 결빙도 40% 기준 분할 학습 x 0.5) x 0.5

공통적인 전처리 : 북극점의 위성사진 미관측영역을 250으로 채움

공통적인 후처리 : 미관측영역, 육지, 해안선 영역의 결빙도를 제거

 다른 참가자분들의 공개된 코드를 보니 간단하고 학습시간도 짧은 모델들이 많이 있네요. 머신러닝 입문자이다보니 모델에 관련된 지식도 부족하고 경험이 많지 않아 너무 무식하게 오래걸리는 코드를 만든거 같습니다. 여러분들이 공개해주신 코드를 토대로 공부를 더 하겠습니다.  
 

Code
로그인이 필요합니다
0 / 1000