이미지분류 경진대회

• 부스트캠프 AI Tech 1기 과정 중, P stage 1 기간 동안 참여한 이미지 분류 경진대회 소스코드 입니다.
• 대회기간: 2021.03. ~ 2021.04 (2 weeks)

대회 설명

• 얼굴을 정면으로 찍은 사진이 입력으로 주어집니다. (총 18,000장)
• 마스크 정상 착용 여부(3) * 나이대(3) * 성별(2) = 18 classes
• 총 18개의 클래스로 이미지를 분류하는 경진대회입니다.
• 평가지표는 f1-score를 사용합니다.

결과

• Public LB Score
  • Accuracy: 81.2381%
  • F1-score: 0.7716
  • Rank: 21등 (21/223)
• Private LB Score
  • Accuracy: 80.3651%
  • F1-score: 0.7541
  • Rank: 28등 (28/223)

데이터 설명

• 대상: 아시아인 남녀, 20대~70대
• 전체 사람 수 : 4,500
• 한 사람당 사진의 개수: 7
  • 마스크 정상 착용: 5장
  • 마스크 불량 착용: 1장
  • 마스크 미착용: 1장
• 이미지 크기: (384, 512)

데이터 상세 Description 보기

학습데이터, 테스트 데이터

• 데이터 분할
  • 학습데이터 60%
  • public 테스트셋 20%
  • private 테스트셋 20%

입출력

• 입력: 마스크 착용 사진, 미착용 사진, 혹은 이상하게 착용한 사진(코스크, 턱스크)

• 출력: 총 18개의 class를 예측해야합니다. 결과값으로 0~17에 해당되는 숫자가 각 이미지 당 하나씩 나와야합니다.

  예시

  • the class of cfe1268.jpg : 7
  • the class of 3a2662c.jpg : 2

클래스 분류 기준

• 마스크 착용여부, 성별, 나이를 기준으로 총 18개의 클래스가 있습니다.

  상세 분류 기준 보기

  

평가방식

• Submission 파일을 채점서버에 올리면, F1-Score를 기준으로 결과를 보여주는 방식입니다.
• 평가기준: F1-score

시도한 방법들 및 결과

Index	Model(Backbone)	Trial	Score
1	VGG11		- Accuracy: 45.8600% - F1-score: 0.3300
2	ResNet50	- Adam optimizer - CE loss	- Accuracy: 54.2500% - F1-score: 0.5400
3	EfficientNet b4	- Random-crop(256, 128) - AdamP optimizer - Focal loss	- Accuracy: 73.6984% - F1-score: 0.6986
4	ResNet50	- Age filter(58) - CenterCrop(380,380) - MADGRAD optimizer	- Accuracy: 73.6984% - F1-score: 0.7206
5	EfficientNet b4	- CLAHE(전처리) - Age filter(58) - CenterCrop(380,380) - Label smoothing loss(0.05) - MADGRAD optimizer	- Accuracy: 79.2857% - F1-score: 0.7493
6	EfficientNet b4	- Face-crop Augmentation - Age filter(58) - Label smoothing loss(0.05) - MADGRAD optimizer	- Accuracy: 80.0952% - F1-score: 0.7582
7	EfficientNet b4	- Age filter(58) - Label smoothing loss(0.05) - MADGRAD optimizer	- Accuracy: 80.8730% - F1-score: 0.7681
8	EfficientNet b4	- Age filter(58) - Label smoothing loss(0.05) - MADGRAD optimizer + fine tuning(SGD)	- Accuracy: 81.2381% - F1-score: 0.7716

소스코드 설명

Efficientnet_b4

• efficientnet b4 pretrained model 사용
• loss function을 바꿔가며 실험
• optimizer로 Adamp, MADGRAD 사용해봄
• Age Filter: 60세 이상 그룹의 레이블을 임의로 58세 이상 데이터로 조정하여 사용

K_fold_Efficientnet_b4

• 위의 Efficientnet_b4 구조에 K-fold를 추가
• dataset.py > MaskSplitByStratifiedProfileDataset 클래스 추가 구현

Resnet50

• Resnet50 pretrained model 사용하여 전이학습

VGG11

• VGG11 pretrained model 사용하여 전이학습

CLAHE

• Contrast Limited Adaptive Histogram Equalization
• 타일(8*8)단위 이미지 히스토그램 균일화
• 타일간 경계부분은 Bilinear interpolation 적용
• 이미지 히스토그램 균일화를 사용하여 데이터셋 생성

FacialDetection

• opencv CascadeClassifier 사용
• 얼굴 부위를 중심으로 380*380 이미지를 crop하여 데이터셋 생성

Fine_tuning_SGD

• 60세 이상 그룹의 레이블을 임의로 58세 이상 데이터로 조정해

MISC

• DataAnalysis
• Data_processing

경진대회 과정에 대한 기록, 사용한 아키텍처는 Notion에 wrap-up report로 올려두었습니다.