피어세션 swinT 재학습중 multi-scale적용 fold4 - 768짜리 학습완 psudo는 성능향상이 없음 모든 모델 앙상블 약 20개의 모델 앙상블! fold를 나눠서 진행하여 fold별, 모델별 앙상블효과를 나타냄 WBF적용 하이퍼파라미터(스레시홀드 수정하면서)

피어세션 전체 모델 현황 yolov5 f0-f4 f0-f2(augmentation) 진행중 f1(256사이즈) f3(aug) 예정 f4(768) detectors res50 f0-f3 trainall 진행중 f4 res101 train-all train swint 예정 f0-f4

피어세션 yolo, resnetx101 두개로 유지 새로운 이미지 추가 현우님 생성이미지 사용 psudo는 확인해보니 단순 이전거 하기보다 일단 kaggle에서 만든거 해보기 225epoch? 300epoch?

피어세션 yolo, resnetx101 두개로 유지 새로운 이미지 추가 현우님 생성이미지 사용 psudo는 확인해보니 단순 이전거 하기보다 일단 kaggle에서 만든거 해보기 225epoch? 300epoch?

yolov5 데이터형식 맞춰주기

피어세션 yolov5는 일단 앙상블부터 efficient det은 위기 cascade rcnn이 많이 안오른다. cutmix는 진행중

강의확인 efficientNet scale up better accuracy, efficiency

피어세션 load_from=”저장모델.pth” 이 파일부터 시작 checkpoint_config.interval = 5 저장하는 단위 wheat head 리뷰 WBF로 앙상블 mosaic augmentation

강의확인 neck 백본의 마지막 convolution만 사용하면 작은물체들은 사라진다. 중간 feature도 사용하게 해주는것 ![그림] FPN은 백본과같은 convolution과 단순히 중간 feature를 가져오는게 아닌 highlevel정보를 lowlevel로 fusion해서 정보를 넘긴다.

강의확인