4주차 회고록
학습 내용
Computer Vision
- Data Augmentation
- Image Classification
- Resnet Implementation
- Training with Data Augmentation
- Semantic Segmentation
- Classification to Segmentation
- Object Detection
- CNN Visualization
Data Viz
- Seaborn
- Polar Coordinate
- Pie Charts
- Interactive Visualization
피어세션
- 경진대회
- 과제 토의
- Level 2-3 팀 구성에 관한 토의
이벤트 세션
- 스페셜 피어세션
- 타 팀원간의 미팅 진행
- 팀 구성과 관련한 아이디어 제시
- 멘토 클래스
- 대회를 위한 다양한 학습 기법 제안
- 각 기법에 대한 성능을 비교하여 이해
- 마스터 클래스
- 마스터의 성장 과정을 토대로 Data visualization과 함께 성장 방향을 어느정도 수립하고자 함
- 오피스 아워
- 조교님의 과제 해설을 통해 과제하면서 몰랐거나 무심히 지나쳤던 부분을 크게 이해
추가 활동
- Dacon 대회
- 다양한 학습기법 적용
- Pre-trained Model 만을 사용하였으며, 그에 확장된 기법을 적용하진 않은 상태
- Mobilenet V3가 가장 높은 성능을 도출하며, object를 인식하는 것이 아니기 때문으로 예상
- Level 2-3 팀을 구성하기 위한 방향 수립 필요
- 팀 구성
- 모델링(3), 데이터 분석(1), MLOps와 배포(1)로 구성 예정
- 시스템을 위한 각 분야의 전문성을 띠는 인원이 필요하다고 생각
- 전원이 활동에 참여하되, 막히는 부분에 대한 전문성을 빠르게 식별하기 위함
- 모델링은 모델 분석 및 탐구 활동에 관하여 비교적 많은 시간을 소요할 것으로 예상하며, MLOps의 학습/추론 시퀀스에선 주된 활동을 담당
회고
Video Recognition과 Action Recognition에 관심이 많아 이를 결합한 아이디어를 연구하고자 한다.
예를 들어, object를 Tracking 하여 해당 object를 시계열로 분석한다면, 즉 다중 object의 행동을 시계열로 분석한다면 Video 분석에 큰 도움이 될 것으로 예상한다.
하지만, 관련 연구가 구체적으로 진행된 적이 없는 것 같고, 해당 연구를 하기 위해 Object detection과 Tracking, Video/Action recognition을 전문적으로 배워야할 것 같다고 생각한다.
특히 과거에 Video recognition을 위해 직접 CNN 모델과 GRU를 이용하여 연구한 경험이 있는데,
최근에는 SOTA 분석하는 법을 이해하여 해당 분야에도 다양한 모델이 있다는 것을 알게 되었다.팀 구성을 위해 Contact를 진행하며 많은 경험을 가졌다는 말을 들었다.
하지만 위와 같은 이유로 경험과 실력은 별개라는 사실도 어느 정도 느끼게 되었다.
이와 같은 이유로 팀원을 곧바로 섭외하지 않고 다양한 인원들과 Contact를 유도하였다.
항상 겸손한 자세로 팀원을 구하고자 하고, 미래의 팀원들이 후회하지 않도록 열심히 진행할 예정이다.