kknyapple / XceptionV2

WGAN-GP와 Xception모델 변형을 통한 아토피 중증도 분류 모델 개선

XceptionV2

목표

xception 모델의 구조를 깊이 파악하고 개선 할 수 있는 점을 개선해가는 방향을 잡을 것임 WGANGP를 사용한 데이터 셋 이용

중간결과

최적의 결과

1. inception A

2. inception B

3. inception C

각각의 inception module을 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 Xception보다 더 높은 성능을 보여줌

Data Augmentation

1. Albumentation을 이용한 augmentation

• horizontal Flip, vertical Flip 조합을 이용했을 때 가장 성능이 좋았음

2. 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