감정 인식 프로젝트: 과수작물 수확을 위한 질병 분류 시스템
1. 프로젝트 개요
- 목적: AIHub의 고품질 과수작물 통합 데이터셋을 활용하여 질병 분류 모델의 정확도 향상.
2. 초기 모델 구현
- 모델 선택: TorchVision의 ResNet34 모델.
- 성능 평가: 기본적인 성능 수준 확인.
3. 성능 개선 방향
3.1 모델 업그레이드
- 선택한 모델: Torchvision의 ResNet50.
- 이유: 더 깊은 네트워크 구조로 성능 향상 기대.
3.2 하이퍼파라미터 조정
- 조정된 요소: 학습률, 배치 크기, 에폭 수.
- 목적: 최적의 학습 조건 탐색.
4. 성능 개선 결과
4.1 문제 발견
- 언더피팅: 모델이 데이터를 충분히 학습하지 못함.
- 오버피팅: 학습 데이터에 과적합, 일반화 실패.
4.2 원인 분석
- 데이터셋의 한계: 다양성 부족.
- 모델 불일치: 구조와 하이퍼파라미터가 최적화되지 않음.
- 데이터 처리 문제: 학습 과정에서의 전처리 부족.
5. 결론 및 향후 계획
5.1 결론
- 성능 개선 실패: ResNet50 사용에도 불구하고 성능 개선에 성공하지 못함.
5.2 향후 계획
- 데이터 처리 개선: 전처리 및 데이터 증강 기법 강화.
- 모델 다양화: 다른 아키텍처에 대한 탐색.
- 정밀한 조정: 하이퍼파라미터에 대한 더 세밀한 조정 시도.