https://www.kaggle.com/c/humpback-whale-identification
혹등고래의 꼬리이미지를 통해 고래의 종을 구분해 내는 competition 입니다.
해당 고래 이미지셋을 분류하기 위해 Convolutional Neural Network을 활용하였습니다.
CNN 기법 중, 2017 이미지넷 챌린지(ILSVRC 2017)에서 우승한 SENet을 Resnet의 변형인 Resnext-101에 적용시킨 알고리즘을 활용하였습니다.
SE는 각 피쳐맵에 대한 전체 정보를 요약하는 Squeeze operation, 이를 통해 각 피쳐맵의 중요도를 스케일해주는 excitation operation으로 이루어져 있습니다. 이렇게 하나의 덩어리를 SE block이라고 합니다.
SEnet은 네트워크 어떤 곳이라도 바로 붙일 수 있습니다. VGG, GoogLeNet, ResNet 등 어느 네트워크에도 바로 부착이 가능합니다. 파라미터의 증가량에 비해 모델 성능 향상도가 매우 큽니다. 이는 모델 복잡도(Model complexity)와 계산 복잡도(computational burden)이 크게 증가하지 않다는 장점이 있습니다.
Senet을 Residual 모듈 뒤에 붙여 활용하는 방식입니다.
https://arxiv.org/pdf/1709.01507.pdf
https://github.com/KaiyangZhou/deep-person-reid/blob/master/torchreid/models/senet.py