inc_angleなし
python3 main.py
modelのコメントアウトの部分で使用するモデルを変えることができる。
inc_angleあり
python3 main_angle.py
modelのコメントアウトの部分で使用するモデルを変えることができる。
- VGG16 Fine tuning
5foldsで実験を行なった。
| freeze layer | folds number | val acc | val loss |
|---|---|---|---|
| 15 | 1 | 0.8542 | 0.4044 |
| 15 | 2 | 0.8847 | 0.2671 |
| 15 | 3 | 0.9390 | 0.1866 |
| 15 | 4 | 0.8874 | 0.2736 |
| 15 | 5 | 0.8771 | 0.3208 |
LB=0.2094
- VGG16
5foldsで実験を行なった。 Image Net 学習済みモデルを初期値として、freezeせずに学習(freeze_leyer=0)。
| clossval number | val acc | val loss |
|---|---|---|
| 1 | 0.8949 | 0.3053 |
| 2 | 0.9085 | 0.2421 |
| 3 | 0.9017 | 0.2322 |
| 4 | 0.9078 | 0.2276 |
| 5 | 0.9113 | 0.2874 |
LB=0.1843
- small cnn
10foldsで実験を行なった。
| clossval number | val acc | val loss |
|---|---|---|
| 1 | 0.9189 0.1681 | |
| 2 | 0.8716 | 0.2823 |
| 3 | 0.9527 | 0.1158 |
| 4 | 0.9252 | 0.2066 |
| 5 | 0.9184 | 0.1633 |
| 6 | 0.9592 | 0.1001 |
| 7 | 0.9252 | 0.1764 |
| 8 | 0.9252 | 0.1766 |
| 9 | 0.8562 | 0.3545 |
| 10 | 0.8835 | 0.2502 |
- vgg like
10foldsで実験を行なった。
| clossval number | val acc | val loss |
|---|---|---|
| 1 | 0.9256 | 0.1632 |
| 2 | 0.8649 | 0.2924 |
| 3 | 0.9392 | 0.1532 |
| 4 | 0.9184 | 0.2159 |
| 5 | 0.9116 | 0.1930 |
| 6 | 0.9456 | 0.1249 |
| 7 | 0.9388 | 0.1530 |
| 8 | 0.9320 | 0.1655 |
| 9 | 0.8562 | 0.3960 |
| 10 | 0.9041 | 0.2314 |
- resnet like
5foldsで実験を行なった。
| clossval number | val acc | val loss |
|---|---|---|
| 1 | 0.9119 | 0.2168 |
| 2 | 0.9389 | 0.1841 |
| 3 | 0.9288 | 0.1896 |
| 4 | 0.9215 | 0.2139 |
| 5 | 0.8908 | 0.2631 |
LB=0.1804
- densenet like
5foldsで実験を行なった。
| clossval number | val acc | val loss |
|---|---|---|
| 1 | 0.9118 | 0.2148 |
| 2 | 0.9390 | 0.1897 |
| 3 | 0.9390 | 0.1388 |
| 4 | 0.9352 | 0.1794 |
| 5 | 0.8908 | 0.2620 |
LB=0.1747
- small anglenet
5foldsで実験を行なった。
| clossval number | val acc | val loss |
|---|---|---|
| 1 | 0.8881 | 0.2301 |
| 2 | 0.9186 | 0.2029 |
| 3 | 0.9119 | 0.1711 |
| 4 | 0.9181 | 0.2094 |
| 5 | 0.9044 | 0.2713 |
- jirkamodel
10foldsで実験を行なった。
| clossval number | val acc | val loss |
|---|---|---|
| 1 | 0.9257 | 0.1789 |
| 2 | 0.8919 | 0.3032 |
| 3 | 0.9324 | 0.1518 |
| 4 | 0.9116 | 0.1997 |
| 5 | 0.9184 | 0.1856 |
| 6 | 0.9320 | 0.1204 |
| 7 | 0.9388 | 0.2018 |
| 8 | 0.9456 | 0.1514 |
| 9 | 0.8699 | 0.3710 |
| 10 | 0.8973 | 0.2351 |
-
- 7 models and https://www.kaggle.com/submarineering/submarineering-even-better-public-score-until-now ensemble
- 0.1381(private 0.1470)
-
7 models and https://www.kaggle.com/submarineering/submarineering-even-better-public-score-until-now base ensemble and min max
- 0.1308(private 0.1562)