실험1🙏태일님

• epochs 5 → ageband 수정 (29,57) vs (29,58) vs (29,59)
  • (30,60) → ( 25,27,28,29,30 中 1개 , 55,58,59,60 中 1개)
  • SOTA 기준 29,58 이 제일 잘 나옴 : 0.7822 ,81.6508

• 제출한 결과를 보면 , val의 결과 그대로 따라가는 듯하다. exp20을보면 제출결과 acc는 제일높고, f1은 제일 낮은데 실제 제출 결과도 그러하다.

실험 2🙏태일님

• age band (29,57) 고정 → epochs 수 변화

  • 결과 : 거기서 거기~
  • 태일님 의견 듣고 loss로 기준 잡음
  • epochs : 3,5,6,7,8,13,15 비교
  • 밑의 이미지는 가장 긴 epoch 15 → 많이 할 수록 복잡한 그래프 → 오버피팅
    • 성능향상이 있었던 실험마다 epoch변화해서 제출하는 것보다 그래프 봐가며 best.pth 시간 확인하고 성능확인(csv비교)후에 제출했어야함.. 제출2번날림
    • 결론적으로 epoch 3에서 이미 최고점!

  

실험 3🙏나^^

• age band(29,58) 고정 → val_ratio 변화 (0.1 vs 0.2)

  • 다른 분들 config.json 에서 다른 점 발견! (뿌듯)
  • 기록 지워서, val 0.1로한건 epoch 8로 비교
    • 태일님 기록갱신 같은 경우는, 다운샘플링으로 인한 데이터부족 → 0.1이 효과 O
    • 내 데이터는 , 원본 데이터이다보니 데이터갯수 충분→ 0,1이 효과 X

  

실험 4

• 배경제거X모델 SOTA고정 → train에만 AddGaussiannoise

  • 조원분들이 실험 후 제출 → 성능 상승 X →제출 X
  • 실제로 밑의 그래프만 봐도 좋지 않아보임..→ 개형은 이쁜데.. 혹시 제출했다면 일반성을 높였을수도?

  

실험 5🙏규범님

• 배경제거X모델 SOTA고정 → test에 CenterCrop 추가!
  • 테스트 데이터만 건드렸으므로, 학습 그래프는 동일!
  • 0.7808 → 0.7822로 개인최고기록 갱신!
  • 테스트 데이터가 학습데이터랑 상당히 비슷하군!

실험 6

• 배경제거X모델 SOTA고정 → test에 CenterCrop+Color Jitter 추가!(train Augmentation과 동일 환경)
  • 테스트 데이터만 건드렸으므로, 학습 그래프는 동일!
  • 0.7808 → 0.7776으로 다운그레이드..
  • 테스트 데이터가 학습데이터랑 상당히 비슷하지만, Color Jitter는 학습시에만 써야하겠군!

실험 7

• 배경제거X모델 SOTA고정 → random seed 바꾸기 (운빨!)
  • 매번 다를 듯..?