• 프로젝트 개인 목표
  • 인공지능 프로젝트의 앤드 투 앤드 라이프사이클을 경험해 봄으로써 부족한 부분들을 식별하고 채워나가는 것.
• 학습목표 달성을 위한 노력
  • 그동안 강의와 과제로만 배웠던 이론들을 직접 프로젝트에 적용해 봄.
  • 프로젝트시 유용하다고 배웠던 툴들을 직접 사용하여 프로젝트를 진행함.
• 모델 개선을 위한 노력
  • 1부터 18로 라벨링을 하게되면 인물의 나이, 성별, 마스크 착용 유무를 한번에 판단 해야 하기 때문에 정확도가 떨어질 수 있다고 생각하여 나이와 성별, 마스크 착용 유무를 각각 예측하는 모델을 만드는데 집중 했다. 모델을 분리하면 각각의 task에 대해 독립적으로 예측할 수 있어 성능이 좋아질 것이라고 가정하고 모델 개선에 매진하였다.
  • 성별과 마스크 착용 유무를 예측하는 모델은 성능이 매우 좋아 튜닝할 게 많지 않았지만 인물의 나이를 예측하는 모델은 성능이 다른 모델에 비해 매우 떨어졌다. 이에 많은 시간을 나이를 예측하는 모델을 개선하는데 시간을 투자했다.
  • 다양한 모델 (Efficientnet, Resnet, Rexnet etc)을 사용해보고 각 모델의 f1 score를 비교하여 baseline model을 정하고 parameter tuning을 진행했다.
  • Baseline model을 정한뒤 해당 모델의 깊이와 다양한 hyper parameter를 바꿔가며 최고의 f1 score를 구해 모델을 최적화 시켰다.
• 데이터 셋 개선을 위한 노력
  • WeightedRandomSampler을 이용하여 age별 불균형을 해소 시키며 학습 시도.
  • MTCNN libaray를 이용하여 얼굴의 bounding box를 crop한 데이터 셋을 새로 만들어서 학습 시도.
• 느낀 점, 아쉬운 점
  • 이론에서 벗어나 실제로 코딩하는 프로젝트를 처음 하다 보니 코딩 실력의 중요성을 절실히 느꼈다. 해보고 싶은 것들은 많았으나 구현 능력 부족과 라이브러리 활용이 익숙하지 않아 속도가 너무 느려 못해본 것들이 많다.
  • 협업의 중요성을 느껴볼 수 있었다. 슬랙을 적극적으로 이용하며 자료를 팀원들과 주고 받고 프로젝트를 진행 했지만 깃허브, 노션등의 워크스페이스를 활용 했으면 좀 더 효율적이고 체계적으로 마무리 할 수 있었을 것이다.
• 다음 P-Stage에서 스스로 새롭게 시도해볼 것
  • 체계적인 워크스페이스를 활용하여 협업 효율을 극대화 해보고 싶다.
  • 확실한 업무 분담을 통해 팀원 모두가 아쉬움 없이 프로젝트를 마무리 해보고 싶다.
  • 팀원끼리 실험 결과를 빠르게 공유하기 위해 wandb를 활용해보고 싶다.
  • 다양한 툴을 활용해 hyperparameter tuning을 효과적으로 해보고 싶다.