Решение основной задачи "Определение цвета автомобиля" трека искусственный интеллект фестиваля RuCode 2022.
| Приватный лидерборд (rucode6user-0030, f1-score = 0.9856) |
|---|
 |
Ноутбук: https://www.kaggle.com/code/markovka/rucode-2022
Датасет: https://www.kaggle.com/datasets/markovka/car-dataset
Веса модели: https://www.kaggle.com/datasets/markovka/final-model
Тренировочные и тестовые данные представляют собой картинки различных автомобилей 7 цветов: Черный (Black), Синий (Blue), Коричневый (Brown), Голубой (Cyan), Зеленый (Green), Серый (Gray), Оранжевый (Orange), Красный (Red), Фиолетовый (Violet), Белый (White), Желтый (Yellow).
Во время обучения данные предобрабатывались с помощью различных аугментаций таких, как random rotation, random perspective, random posterize, random equalize. Из них для обучения итоговой модели была оставлена только random equalize.
Затем данные нормализовались со значениями среднего mean = [0.485, 0.456, 0.406] и стандартного отклонения std = [0.229, 0.224, 0.225]. Для всей предобработки данных использовался модуль torchvision.transforms.
Для классификации использовалась модель ResNet101 V1 из torchvision.models.
При обучении у модели были разморежены последние два слоя (layer3 и layer4). Так же использовался оптимизатор Adam и функция потерь CrossEntropy, для шедулинга lr использовался StepLR scheduler. При обучении целью было получить максимальное значение метрики f1-score.
Модель обучалась на Kaggle с использованием GPU P100.