[BoostCamp] P-stag Image Classification day2

[BoostCamp] P-stage stage1 이미지 분류 day2

---

오늘의 목표

1. EDA를 해보자.

1. EDA

이미지 데이터를 어떻게 EDA해야할지 감이 잡히지 않아 이미지 데이터와 함께 주어진 csv데이터를 EDA하였다.
csv파일에 주어진 feature는 age, race, gender로 이루어져있었고 나는 여기에 이미지와 csv에서 주어진 데이터를 활용하여 competition의 label값을 분류하였으며 마스크 착용 유, 무 혹은 오착용여부에 대한 data를 추가해놓았다.

• 

feature 통계

gender

• 주어진 데이터에서 여성의 수가 남성보다 약 1.5배가량 많은 것을 알 수 있다. 이러한 데이터 불균형으로 인해 학습이 제대로 안된다고 판단될 경우 남성 데이터를 augmentation 혹은 지식 증류 기법등을 활용하여 뻥튀기하는 방법에 대해 알아봐야겠다.

race

• 주어진 데이터는 모두 아시아인으로 구성되어 있다.

age

• 여기서 나이는 아래의 기준으로 young, middle, old로 나뉜다.
  • young < 30
  • 30 <= middle < 60
  • 60 <= old
• old에 속하는 data가 다른 두 class에 비해 현저히 그 수가 적다.

mask

• 마스크를 착용한 데이터가 마스크를 잘못 착용하거나 착용하지 않은 데이터에 비해 아주 많은 양이 있다.
• 다만, 모든 data가 같은 종류의 마스크를 착용하지 않았을 것이므로 마스크의 모양, 재질 등에도 관심을 가지고 학습을 시켜보아야겠다.

label

• 해당 label의 값 class들은 위에서 살펴보았던 age, race, gender, mask의 요소들에 의해 구별된 class들이다.
• class들간의 양의 차가 매우 많이 나는 것으로 봐서 이에대한 대책을 고민해봐야할 듯하다.
• 해당 문제를 해결한다면 위에서 gender, mask요소의 불균형과 같은 문제도 해결할 수 있을 것이라 기대한다.

느낀점

• 이미지를 어떻게 EDA 해?라는 의문을 가지며 시행하였던 EDA였다. 사실, 해당 과정은 정형데이터 분석이라고 말해도 무방할 만큼 이미지에 관한 EDA가 전혀 포함되지 않았다.
• 하지만 예시로 올려주신 EDA내용들을 보며 이미지를 EDA하는 방법에 대해 조금은 알게 된것 같다.
  • 이미지 데이터의 RGB평균을 계산해보자.
  • 이미지 크기에 대해 알아보자.
  • 이미지 데이터의 RGB값의 표준을 계산해보자.
  • 이미지의 픽셀값의 분포도를 알아보자.
  • 이미지를 시각화하여 detection을 시도해보자.(Haar cascade를 사용하여 DL을 사용하지 않고 얼굴을 detect할 수 있다.)
  • 그 외에도 PCA 즉 주성분 준석을 통해 이미지를 파악해보자.

2. TODO LIST

1. EDA를 통해 데이터를 분석해본다.
2. Dataset class를 생성한다.
3. pytorch에서 제공하는 기본 모델들을 활용하여 학습시켜본다.