COVID-19의 확산으로 우리나라를 비롯한 전 세계 사람들은 경제적, 생산적인 활동에 많은 제약을 가지게 되었다. COVID-19의 감염 확산을 방지하기 위해서 마스크로 코와 입을 가리고 혹시 모를 감염자로부터의 전파 경로를 차단하는 것이 중요하다. 마스크는 코와 입을 완전히 가리도록 올바르게 착용했을 때 효과가 있다. 하지만 넓은 공공장소에서 모든 사람들의 마스크를 올바르게 착용했는지 검사하는 것은 추가적인 인적자원이 필요하다.
따라서 카메라로 비춰진 사람 얼굴 이미지만으로 이 사람이 마스크를 쓰고 있는지, 쓰지 않았는지, 정확하게 쓴 것이 맞는지 자동으로 가려낼 수 있는 시스템이 필요하다.
-
데이터의 개수 : Train 18,900장 / Test 12,600장
-
이미지 크기 : (384, 512)
-
클래스의 분류
- Mask : Wear, Incorrect, Not Wear
- Gender : Male, Female
- Age : <30 (Young), ≥30 and <60 (Middle), ≥60 (Old)
Class Mask Gender Age 0 Wear Male <30 1 Wear Male >=30 and <60 2 Wear Male >=60 3 Wear Female <30 4 Wear Female >=30 and <60 5 Wear Female >=60 6 Incorrect Male <30 7 Incorrect Male >=30 and <60 8 Incorrect Male >=60 9 Incorrect Female <30 10 Incorrect Female >=30 and <60 11 Incorrect Female >=60 12 Not Wear Male <30 13 Not Wear Male >=30 and <60 14 Not Wear Male >=60 15 Not Wear Female <30 16 Not Wear Female >=30 and <60 17 Not Wear Female >=60
backbone을 서로 다른 조건으로 학습한 상위 5개 모델의 inference결과를 hard voting하여 제출한 inference 결과가 가장 높은 score를 달성.
-
앙상블에 사용한 모델
idx model f1-score accuracy 1 vit_base_patch16_224 0.74 78.38 2 swin_base_patch4_window7_224 0.71 76.47 3 efficientnet_b4 0.71 77.88 4 custom model 0.70 77.71 5 efficientnet_b4 + RetinaFace + CutMix 0.70 75.92 -
최종 결과
f1-score : 0.7436 | accuracy : 79.87
| 이혜진_T4177 | 이하정_T4173 | 김형훈_T4064 | 김동영_T4027 | 송영동_T4109 |
| Data Analysis, Training | Data Processing | Modeling | Training | Training |