/LG_plant_disease_diagnosis_competition

Primary LanguagePython

농업 환경 변화에 따른 작물 병해 진단 AI 경진대회

(주최 : LG AI Research, 주관: 데이콘)
링크: https://dacon.io/competitions/official/235870/overview/description

알림: 2022년 2월 8일자로 수정 종료하였습니다. 설명 자체에는 큰 변화는 없지만, 동작 속도 개선을 위한 코드 변경(predict.py 부분)이 있었습니다. 데이콘에서 보고 오셨다면, 궁금한 점을 데이콘에서 댓글로 달아주세요.

개발 환경

"Ubuntu 18.04.5 LTS"

라이브러리 버전

python==3.8.2
albumentations==1.1.0
catboost==0.26.1
numpy==1.22.0
opencv-python==4.5.3.56
pandas==1.3.5
scikit-learn==1.0.2
tensorboard == 2.7.0
timm==0.4.12
torch==1.8.1
tqdm==4.62.3

실행 방법

데이터 경로

  • 특정 폴더에 train, test 폴더가 있고 다시 번호가 붙은 폴더, 그 내부에 csv, json, jpg 파일이 있어야 함.
  • 예시: train/10000/10000.csv 혹은 test/10000/10000.jpg 와 같은 구조
  • default 경로는 /data
  • 즉, /data/train/---, /data/test/--- 와 같은 방식을 기대
  • default 경로를 따르지 않으려면 data_preprocessing.py 실행시 --data-folder 부분에 파일 경로 추가. 단, 위의 첫번째 사항과 같은 규칙을 지켜야 함.

훈련 데이터 전처리와 모델 학습

  • preprocess_for_train.sh 실행 -> 훈련용 전처리 수행
  • train.sh 실행 -> catboost와 deep neural network 모델 학습

테스트 데이터 전처리와 모델 로드, 추론

  • preprocess_for_test.sh 실행 -> 테스트용 전처리 수행
  • predict.sh 실행 -> 실제 추론 수행

추가 사항

  • 구체적인 내용은 각 폴더에 넣었습니다.
  • experiment 폴더에는 수행했지만 성능 개선이 뚜렷하지 않았던 내용을 기술하였습니다. 코드도 업로드 하였지만 잘 정리되어 있지는 않습니다.
  • competition 폴더에는 실제 사용한 코드들이 있습니다. 모델에 대한 설명 등을 여기에 기술하였습니다. 참고하시면 되겠습니다.
  • 위의 bash 파일은 아주 기초적인 수준으로 이루어져 있습니다. 마찬가지로 자세한 정보는 competition 폴더를 참고 바랍니다.
  • 훈련 상황을 살피시려면 텐서보드를 활용하여 모델이 저장되는 폴더에 있는 log 폴더의 기록을 보시면 되겠습니다.