Computer Vision

주간 정리 내용

Image Classification
Efficient Learning
Image Classification 2
Sementic Segmentation
Object Detection

과제 수행 내용

• 필수과제 1
  VGG11를 직접 구현하는 것이었다.
  기존 과제 자체는 매우 쉬운편이였으며 이런 방식으로 모델이 구현된다는 것을 알게 해준 좋은 과제였다.
• 필수과제 2
  Augmentation을 구현하는 과제였다.
  P스테이지를 하면서 이미 진행한 내용이라 해당 과제 또한 부담없이 진행했다.
  Further Question인 사이즈를 키우기 전,후에 Blur를 적용하고 진행해봤는데 키우고난 뒤 블러를 적용하는것이 더 좋은 효과를 보였다.
• 필수과제 3
  기존에 구현된 VGG 11의 Backbone을 유지한 채 fc 레이어를 Segmentation에 적합하게 만드는 과제였다.
  개인적으로 상당히 흥미가 있는 주제이고, 매우 재밌게 수행하였기 때문에 이 부분에 대하여 주말에 좀 더 공부해볼생각이다.

피어세션 정리

2주간 함께 할 새로운 팀을 만나고 새로운 그라운드룰을 만들고 적용하였다.
뭐 나쁘고 좋고 할 것 없이 상당히 체계적으로 짜여져서 편하고 좋았다.
알고리즘 스터디를 진행하고있는데, 맨날 편하게 하는 꼼수만 생각하다보니 백준을 편하게 풀기 위하여 새로운 꼼수를 만드는 데만 집중했다.

또한 한 캠퍼님이 실시간 인식 모델인 YOLO와 같은 모델에서 mAP와 FPS간에 균형점, 즉 무조건 빠르고 정확도는 좀 낮은게 좋은지 아니면 조금 느린대신 정확도도 보증되는 게 좋은지에 대한 그 사이 황금비율에 대한 토론을 진행하였는데 꽤나 건설적이었던 것 같다.
나머지 회의록은 여기에 있다.

회고

강의는 전체적으로 2주차에 대한 복습 강의라는 생각이 들었다.
2주차에 너무 쎄게 맞아서 그런지… 사실 그때 강의는 잘 기억에 안나지만 키워드들이 매우 거론되었다.
이는 즉, 지금 조금 레벨업된 상태로 다시 강의를 들으면 더 좋은 효과를 얻을 수 있을 것이라는 뜻이므로 다시 한번 정리해보기로 했다.

새로운 피어분들과 새로운 세션을 진행하며 많은 분들과 이야기를 나누었고 캠프 내에서의 시야가 더욱 넓어진 느낌이다. 기존의 레벨1 팀원분들도 상당히 좋아서 추후 팀플을 할 때 어떻게 팀을 짜는게 좋을지 고민이다…

개인적으로는 조금은 가볍게 넓은 방식을 적용해보며 경험을 쌓는것을 좋아하는데, 구인을 하는 분들은 대부분 높은 퍼포먼스를 바라는 늬앙스가 느껴져 만약 내가 가서 즐기면서 할수 있을지 부담감이 좀 있다. 그게 나쁘다는 것은 이나지만, 내가 추구하는 이상과는 상이하다는 의미이다. 캠프를 들어온 뒤로 한번도 순위에 대한 욕심은 없었으며 경험과 세상을 보는 시야가 이 캠프의 개인적인 목적이기 때문이다.