🎉 Team FarmInSun 님, 수상을 진심으로 축하합니다. 🎉

🏆 이헌경, 윤혜림, 원종현 님

🎙우승팀 중 한 팀이 되었는데요, 수상을 진심으로 축하드립니다. 수상 소감 부탁드립니다.

이헌경

먼저 처음 이 데이콘 대회를 참가했을 때 50등 안에만 들어보자는 이야기를 나누며 시작했던 것이 기억납니다. 이러한 이야기들이 대회를 진행하며 점차 목표가 되었고 결국에는 목표를 이루어 내어 너무도 행복한 마음이 듭니다.

개인적으로는 좋은 성적표도 값지지만, 저희 팀 또한 대회를 진행하며 여러가지 힘든 상황들에 부딪히고 많은 장애물을 만나게 되었습니다. 그러나 팀원들과 머리를 맞대고 의견을 나누면서 하나하나 해쳐 나간 그 시간과 경험들이 저에게는 더 소중하게 느껴집니다.

어떻게 보면 지난 2개월 간의 대회 프로젝트는 저희의 앞으로의 개발자 인생에 있어서 첫 걸음이라고 볼 수 있습니다. 데이콘 대회를 통해 첫 발자국을 잘 내딛은 만큼 앞으로의 발자국 또한 잘 찍으며 나아가겠습니다.

마지막으로 밤을 새워가며 열심히 해주신 저희 FarmInSun팀 너무 감사드립니다!!

윤혜림

처음으로 대회에 참가하는 것이라 수상 기대하지 못했는데 1등하게 되어 기쁩니다. 팀원들 덕분에 수상할 수 있었고 함께 고생한 팀원들과 다른 참가자 분들 모두 수고하셨습니다.

원종현

감사합니다. 빅데이터 국비지원 수업으로 2주동안 머신러닝, 딥러닝 수업을 받고 수업프로젝트 겸 대회를 진행했는데 1등을하게되어 기분이 좋네요. “baseline보다는 잘 나오자!”는 초기목표를 너무 뛰어넘어서 조금 당황했습니다 ㅎㅎ 대회를 진행하면서 여러 알고리즘과 논문 등을 찾아보면서 정말 많이 공부가 된 것 같습니다.

🎙모델 스코어를 가장 많이 올릴 수 있었던 방법(혹은 실험)에 대해 말해주세요.

윤혜림

이미지를 HSV 변환 mae 값이 가장 낮게 나오는 청경채 잎 색 영역을 잘 찾아서 모델 스코어를 가장 많이 올릴 수 있었던 것 같습니다.

원종현

이미지의 현재 잎 면적을 라벨로 지정하고 이미지를 hsv이미지로 변환 후, 이미지의 잎에 해당하는 색상범위를 지정해 라벨대비 픽셀의 수의 mae값이 가장 좋게 나오는 색상범위를 찾아낸 다항회귀모델이 제일 좋게 나왔어요. 그리고, 일부 라벨링이 심각하게 틀어진 case들을 제거하니 더 좋은 결과가 나오게 됐습니다.

🎙환경 데이터가 문제를 해결하는 것에 있어서 도움이 되었나요? 도움이 되지 않았다면 어떤 이유 때문이었을까요?

윤혜림

환경데이터 자체에 결측치와 이상치가 많아서 환경데이터를 사용했을 때 스코어가 좋지 않아 도움이 되지 않았습니다.

원종현

이미지만 사용하는 것에 비해 환경데이터를 이용하면 어떤 모델을 이용해도 훨씬 정확도가 떨어지는 결과가 나왔습니다. 이미지 자체의 라벨링이 정확하게 되어있지 않고 환경데이터의 결측치와 이상치가 예상보다 너무 많고 적은 데이터로 인해 도움이 되지 않았던 것 같아요.

🎙대회 기간 동안 모델 성능을 자체적으로 평가한 자신만의 방법이 있을까요?

윤혜림

평균절대오차 MAE로 오차가 가장 낮게 나온 기준으로 평가했습니다.

원종현

환경데이터를 이용한 모델링의 경우 train데이터를 8:2로 분리해 검증데이터의 mae/nmae값을 이용했습니다. 이미지만을 사용한 모델링의 경우 이미지의 현재 잎 면적 대비 픽셀수의 mae값을 이용했습니다.

FarmInSun 팀 1등 알고리즘 코드 공유 보러가기