기간: 2024.07.15~2024.07.26(약 2주)

기술 스택: python, pytorch, optuna,..

• Python: 데이터 처리 및 모델 사용
• PyTorch: 딥러닝 모델 사용
• Optuna: 하이퍼 파라미터 튜닝

한 줄 설명: 고양이 꼬리의 모양을 통해 감정을 분석

개발 인원: 3명

맡은 역할: 데이터 수집(크롤링, 이미지 생성), 모델 개발(모델 선택, 하이퍼 파라미터 튜닝)

구현 내용:

데이터 수집

BING, Google, Instagram 등을 통해 이미지를 크롤링해 명확히 꼬리가 보이는 고양이 사진을 구했습니다. 그럼에도 사진이 많이 부족해, 생성형 인공지능으로 이미지를 생성했습니다.

모델 선정 및 학습

ResNet18, EfficientNet_B0, MNASNet 1.3 등 다양한 모델을 테스트하여 정확도를 비교했습니다.

MNASNet의 경우, SE 블록을 사용하는 전략을 사용해봤으나 계산복잡도가 올라가 모델이 무거워지는 만큼, 최종적으로는 사용 자원 대비 높은 정확도를 보이는 EfficientNet_B0 모델을 선택했습니다.