WjExplor Story

2025. 12. 82025. 12. 92025. 12. 102025. 12. 112025. 12. 12• 데이터별 개별 테스트 (김훈종/최지영/최무성)• 개별 테스트 코드 구현 (김영욱)• 개별 점수 테스트 (장우정)• 데이터별 개별 테스트 (김훈종/최지영/최무성)• 개별 테스트 코드 구현 (개별 테스트 코드 완료)• 개별 점수 테스트 (장우정)2025. 12. 152025. 12. 162025. 12. 172025. 12. 182025. 12. 19• 통합 테스트 (김훈종/최지영/최무성)• 통합 테스트 코드 구현 완료 (김영욱)• 개별 점수 테스트 (장우정)• 통합 테스트 (김훈종/최지영/최무성)• 증강 데이터 구현 (김영욱)• 개별 점수 테스트 (장우정)• 통합 테스트 (김훈종/최지영/최무성)• 증..

약 검출 프로젝트 – 작업 일정날짜 (요일)작업 내용2025‑12‑10 (수)현황 파악 및 데이터 재수집 완료2025‑12‑11 (목)submission.csv 생성 및 Stage 추가 이미지 학습2025‑12‑12 (금)백본(backbone) 및 파서(parser) 분석·디버깅2025‑12‑15 (월)Faster‑RCNN과 성능 비교 및 검증2025‑12‑16 (화)하이퍼파라미터 셋팅 및 튜닝2025‑12‑17 (수)최종 모델 배포 (모델 패키징·인퍼런스 스크립트 제공)2025‑12‑18 (목)자료 정리 및 발표 자료 준비2025‑12‑19 (금)프로젝트 마감 및 인수인계주요 포인트 (작업 흐름 정리)카테고리 정합성기대 56 개 vs. 현재 65 개 차이는 어노테이션 파일이 덮어써서 발생함.어노테이션 ..

2025‑12‑09 1팀 작업 내용 정리1. 작업 개요구분내용목표이미지와 어노테이션( bbox )을 정제하여 학습용 데이터셋을 단계별로 구축한다.대상① 이미지 + 어노테이션 ② 이미지만 존재 (어노테이션 X) ③ 어노테이션만 존재 (이미지 X)학습 순서① 1차 학습 – ①만 사용 ② 2차 학습 – ② 추가 ③ 3차 학습 – ③ 추가검증 방법bbox 를 실제 이미지에 오버레이해 눈으로 확인 → 필요 시 수동 수정 후 재검증2. 오늘 수행한 구체적 작업담당자작업 내용kyw 님 작업- 이미지 + 어노테이션이 모두 있는 폴더를 받아 전체 파일을 열어 bbox 를 오버레이 확인 - bbox 가 누락되었거나 겹쳐 있는 경우를 수작업으로 수정 - “149개 이미지에 어노테이션이 없음”을 확인하고 해당 파일을 별도 리..

질문 요약 어노테이션이 없는 데이터를 확인하면 약 이름(카테고리) 수가 늘어나는 현상이 보인다. 카테고리 ID가 늘어났을 때 모델 평가를 어떻게 해야 하는가? 혹은 의미 없는 작업인가?답변 요약1. 데이터 품질 확인바운딩 박스(BBox) 검증: 이미지에서 박스가 제대로 그려졌는지 눈으로 확인하고, 필요하면 유사도 검증을 수행한다. BBox 크기 분석: 평균·분포 등으로 어노테이션이 적절한지 평가한다.2. 라벨(카테고리) 관리라벨 일관성: 테스트 결과는 반드시 학습 데이터에 존재하는 라벨과 비교한다. 학습에 없는 라벨이 예측되면 오류로 간주한다. 클래스 불균형 확인: 카테고리별 샘플 수를 확인한다. 예) 2482 클래스가 9개만 존재한다면 데이터 증강 등으로 보완이 필요하다. 라벨 누락·불일치 파..

12.08 팀 프로젝트 회의록회의 개요일시: 12.08 오전참석자: kyw님, khj님, jwj님주제: AI 허브 데이터 누락 문제 및 해결 방안 논의주요 이슈1. 데이터 불일치 문제AI 허브에서 다운받은 이미지 데이터 중 419개의 어노테이션(JSON) 파일 누락원천 데이터와 라벨링 데이터가 1:1 매칭되지 않음코드잇에서 제공한 이미지와 어노테이션이 맞지 않는 상황2. khj님 진행 상황AI 허브에서 어노테이션 데이터 확인누락된 419개 중 212개는 원본 데이터에서 발견이미지 파일명을 변경한 것으로 추정어노테이션과 1:1 매칭 확인 (컬러, 약 이름, 드러그 쉐이프 등 일치)해결 방안 논의방안 1: 이미지 매칭을 통한 JSON 파일 찾기kyw님 제안5000개 원천 데이터에서 동일 이미지 검색이미지 비..

1차 사전조사 - 팀 논의 내용 정리날짜2025-12-05참석자최00, 김00, 김00, 최00, 장001. 핵심 의사결정 사항1.1 클래스 개수 결정논의 내용초기 고려: 4개 또는 5개 클래스최종 결정: 56개 클래스결정 이유4개 또는 5개로 제한할 경우:- 테스트 데이터에 56개 중 다른 알약이 포함될 가능성 높음- 해당 클래스가 없으면 PASS 처리되어 답이 나오지 않음- 평가에서 불리할 것으로 예상56개 클래스로 확장:- 테스트 데이터의 모든 알약 커버 가능- 실제 서비스 시나리오에 부합- 보다 실용적인 모델우려사항컴퓨터 자원이 한정적학습 시간 및 메모리 요구량 증가현재: 모델 돌리지 않은 상태, 정리만 완료2. 데이터 전략2.1 기본 데이터 전략현재 데이터 (651장) 활용 계획:1단계: 기존 ..

1차 사전조사 - 팀 논의 내용 정리날짜2025-12-05참석자최00 김00 김00 최00 장001. 핵심 의사결정 사항1.1 클래스 개수 결정논의 내용초기 고려: 4개 또는 5개 클래스최종 결정: 56개 클래스결정 이유4개 또는 5개로 제한할 경우:- 테스트 데이터에 56개 중 다른 알약이 포함될 가능성 높음- 해당 클래스가 없으면 PASS 처리되어 답이 나오지 않음- 평가에서 불리할 것으로 예상56개 클래스로 확장:- 훈련 데이터의 모든 알약 커버 가능우려사항컴퓨터 자원이 한정적학습 시간 및 메모리 요구량 증가현재: 모델 돌리지 않은 상태, 정리만 완료2. 데이터 전략2.1 기본 데이터 전략현재 데이터 (651장) 활용 계획:1단계: 기존 데이터로 증강 방법 결정2단계: 증강 적용하여 학습3단계: 추..