-
Notifications
You must be signed in to change notification settings - Fork 18
Basic Convolutional Model
curtis(김일두) edited this page Feb 28, 2018
·
13 revisions
단순한 Segmentation Map을 출력하도록 트레이닝. 휴리스틱한 방법으로 Instance를 분리해서 Kaggle 제출하는 형태의 Baseline Model.
- 6 Convolutional Layers
- Layer1 : 3x3x32 + Pooling
- Layer2 : 3x3x64 + Pooling
- Layer3 : 3x3x128 + Pooling
- Layer4 : 3x3x256
- Concat : Layer1~4 를 모두 UpScale한 후 합쳐서 FeatureMap을 만들
- Layer5 : 1x1x256, Concat Layer가 너무 크기 때문에 채널 수를 줄이기 위해서 1x1 conv를 사용함
- Layer6 : 3x3x1, 최종 HeatMap 출력함
Test | Validation Loss | Validation mIOU | Kaggle LB |
---|---|---|---|
Default1 | 0.0908 | 0.48 | 0.195 |
Default2 | 0.0613 | 0.48 | 0.221 |
Augment | 0.0729 | 0.59481 | 0.23 |
Augment+Separator | 0.0757 | 0.6259 | 0.259 |
- 실험할 때마다 seed에 의해 결과 차이가 좀 나는 편임.
- Separator : Post Processing으로 인접한 셀을 구분하는 코드 @ Issue12
- Separator가 성능이 잘 나오려면 segmentation 결과가 깔끔하게 나오는 경우여야 할 것. 가정이 둥글게 세그먼테이션될 거라는 가정이므로, 결과가 깔끔하지 않으면 이상하게 잘려나가는 케이스가 아주 많음.
- Augment : flip, scaling
Data Handling
Models
Ensemble
Etc