Beginning of Wisdom

📌 학습 정리  1. RandomSeed 고정→ RandomSeed를 고정해야 Data Augmentation 등을 하고 나서 데이터를 다시 재현할 수 있다?2. confusion matrix다음 대회에서는 confusion matrix 사용해서 최종 결과 앙상블 할 때 어떤 모델이 어떤 데이터? 어떤 부분?을 잘 못 맞췄는지 3.  Sketch-Specific Data Augmentation for Freehand Sketch Recognition 위 논문에서 나온 BPD, MSR 기법이 스케치 이미지 데이터에 특화된 Data Augmentation 기법이라서 꼭 적용해보고 싶었다.특히 BPD의 경우에는 따로 데이터 학습이 필요없는 수학적으로 Data Augmentation을 하는 기법이라서 수학과 ..

개념/code 학습 중 생긴 이슈 및 해결 방법에 대해 기록하자 개념 Issue & Solution1. 이미지의 다양한 channel투명성 판단 추가 : RGBACMYK : 인쇄물 표현모니터 표현 → 보통 RGB  위성 사진의 경우에는 10개 Channel 까지도..의학 mri ct 같은 사진, 위성 사진 등은 → 가로 세로 3 의 형태가 아닐 확률이 높음→ 이럴 때도 당황 x → 원하는 형태로 바꿀 수 있어야 함~~~이미지 데이터의 10%정도는 직접 눈으로 확인하는 습관~~~~  2. Histogram Smoothing→ 사람이 보는 것처럼 데이터도(AI? 모델?도?) 마찬가지로 구분되는 데이터를 훨씬 좋아한다~~→ GRAY 스케일에서 주로 사용→ 우리 대회도 스케치 이미지니까 이 방법도 사용하면 좋을..

개념/code 학습 중 생긴 이슈 및 해결 방법에 대해 기록하자 개념 Issue & Solution1. Zero shot & Few shot.. Zero-shot learning (ZSL)은 모델이 학습 과정에서 본 적 없는 새로운 클래스를 인식할 수 있도록 하는 학습 방법일반적으로 딥러닝은 training에 사용된 class만을 예측할 수 있다. 따라서 unseen data가 입력되면 seen class로 예측하는 바보가 되버리는데, Zero shot은 train set에 포함되지 않은 unseen class를 예측하는 분야즉, unseen data를 입력 받아도, seen data로 학습된 지식을 전이하여 unseen data를 unseen class로 예측 가능open set recognition은..