😄About me

$\large\color{black}━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━$

2W6A6554-편집.jpg

📁Projects

boostcamp AI Tech 4th

2023.01 ~ 2023.02

Description
- 수산시장 사기 피해 방지를 위한 어종 분류 서비스
- boostcamp AI Tech 최종 프로젝트
What did I do
- ML pipeline 작성 및 모듈화
- AI Hub 데이터셋과 크롤링 데이터 수집 및 전처리 코드 작성
- Data imbalance를 고려한 Metric 선정
- 이용자의 데이터를 새로운 학습 데이터로 활용할 수 있도록 데이터 워크플로우 구축
- 실험 logging을 위한 WandB Sweep setting 및 Validation Data 시각화

boostcamp AI Tech 4th

2022.12 ~ 2023.01

Description
- boostcamp AI Tech에서 진행한 OCR 데이터 제작 프로젝트
- 모델이 아닌 데이터만으로 높은 성능을 달성하는 것이 목표
What did I do
- Mapping matrix가 그려질 수 있는 경우를 나눠 Deteval metric 분석
  - Recall 값의 증가가 중요하다고 판단하여 많은 데이터 수집을 진행하는 것으로 팀 목표 설정
- ICDAR 데이터셋을 UFO 형식의 데이터셋으로 변환
- 영어, 한국어를 제외한 언어와 같이 annotation된 다른 언어를 노이즈로 처리하여 각 언어의 데이터에 추가하여 다른 팀(평균 8000장)에 비해 2배의 데이터를 확보
  - 1420장 (f1 0.6502) → 약 15000장 (f1 0.7166)

boostcamp AI Tech 4th

2022.11 ~ 2022.12

Description
- boostcamp AI Tech에서 진행한 Object Detection competition
- 대회 데이터: 재활용 품목 데이터셋
What did I do
- COCO format을 Pascal VOC로 변환
- mAP metric을 분석하여 ensemble 방식으로 Weighted Box Fusion을 선정하였고 성능 향상을 이뤄냄 (0.6452 → 0.6964)
- confidence score가 threshold를 넘는 image들을 Psuedo laebling dataset으로 활용하여 성능 향상을 이룸 (0.6964 → 0.7019)
- 모델의 크기와 데이터 개수에 따른 분석 (swin transformer를 활용하여 진행)
- 팀원과 Pair Programming 진행

문제 정의를 통한 프로젝트 계획 수립 및 metric 분석을 이용한 모델의 후처리 방식 선정

boostcamp AI Tech 4th

2022.09 ~ 2023.02

competition metric 분석을 통해 각 task에 적합한 방법 제시
- Object Detection mAP - ensemble 방식으로 WBF 선정
- 데이터 제작 Deteval - precision과 recall의 먼저 최대한 많은 양의 데이터를 확보하기로 결정
- Semantic Segmentation mIoU - pixel의 개수가 적을수록 metric에 큰 영향을 미치기 때문에 image의 작은 특징을 찾을 수 있는 모델 위주로 탐색
FICV Data의 분포에 따른 metric 변경

성문 인증 로그인 시스템

2022.03 ~ 2022.06