xception
모델의 구조를 깊이 파악하고 개선 할 수 있는 점을 개선해가는 방향을 잡을 것임 WGANGP를 사용한 데이터 셋 이용
각각의 inception module
을 Xception
모델의 residual Block에 끼워 넣는 실험을 진행함
이와 같은 순서 EntryFlow : inception A => inception B
ExitFlow : inception C
를 넣었을 때 test accuracy : 88,05%
로 기본 Xception
보다 더 높은 성능을 보여줌
- Albumentation을 이용한 augmentation
- horizontal Flip, vertical Flip 조합을 이용했을 때 가장 성능이 좋았음
- GAN을 이용한 DATA Augmentation
- DCGAN
- LSGAN
- WGAN-GP 위의 세 GAN을 이용해 테스트
- DCGAN과 LSGAN은 데이터의 양이 적어 loss가 발산하는 문제가 있었음
- WGAN-GP가 느리지만 안정적으로 학습이 잘되는 모습을 보여줌
(심정호, 김나연, 지도교수 최원익교수님)WGAN-GP와 Xception모델 변형을 통한 아토피 중증도 분류 모델 개선.pdf