Computer_Vision_Anomaly_Detection_Algorithm

Dacon 2022 Computer Vision 이상치 탐지 알고리즘 경진대회

Team 'remember' : 이승리, 서원진, 최재홍

Private 66th, Score 0.8232 (66/481, 13.7%)

---

Development Environment

• Google Colab pro

Train (Train.ipynb)

• data split : 0.8/0.2(train/validation, stratify=label)

• nomalization : mean=0.5, std=0.5

  ↳ Dataset으로 계산한 값으로 학습한 것보다 0.5로 학습한 것이 성능 더 높게 나옴

• augmentation : ShiftScaleRotate, Rotate, VerticalFlip, HorizontalFlip (filp은 metal_nuts에서 제외)

  ↳ Mixup, CutMix, Sharpness, MedianBlur, IAAEmboss, CLAHE, RandomBrightness 등 시도

• epoch : 100

• lr : 0.001

• loss : CrossEntropyLoss

• optimizer : Adam

• scheduler : ReduceLROnPlateau(patience=4)

• model(public) :

  • swin_tiny_patch4_window7_224 (0.76627)
  • mixnet_s (0.72670)
  • efficientnetB2 (0.73043)
  • efficientnetB0 (0.75146)

  ↳ model마다 class weight 유무 실험 후 성능 높은 모델로 채택 → efficientnetB2는 class weight X

  ↳ 비교적 parameter 수가 작은 것에 성능이 잘 나옴

  ↳ pretrain model 사용

• input size : 300(mixnet_s, efficientnetB2, efficientnetB0), 224(swin_tiny_patch4_window7_224

Inference (Inference.ipynb)

• Ensemble(soft-voting)
• Test Time Augmentation(TTA)
  • Rotate90(angles=[0, 90, 180, 270])
  • Multiply(factors=[0.9, 1, 1.1])

---