데이콘 경진대회 참여 - 주제, 데이터

멀티캠퍼스 AI 전공 프로젝트로

데이콘에서 주최하는 생육환경 최적화 경진대회에 참여하기로 했다.

1. 우리가 수업 때 배운 Compter Vision을 이용할 수 있음 

2. Vision에서도 Segmentation을 이용해볼 수 있을 것 같아 도전해보고 싶은 난이도임

3. 전공프로젝트 기간과 대회 주최기간이 아주 적당하게 잘 맞음

4. 내가 식물에 관심있음

이러한 이유들로 이 대회에 참여하게 되었다!

 

제공하는 데이터는 이와 같았다.

Train 부분이 핵심이 되는 데이터인데

Case가 1~75까지 있고 Case 별로 하루 간격으로 찍은 청경채 이미지, 사진을 찍은 시점 기준으로 1분 단위로

생육 환경을 기록한 meta데이터가 있었다.

Case 별로 1개에서 수십 개의 이미지 데이터가 존재했다.

총 1592개의 이미지 데이터가 있었다.

 

이미지 한 장과 1440 row의 메타 데이터를 어떻게 연결 시킬 것인가,

케이스 별로 어떻게 학습시킬 것인가 등 여러 이슈가 있었다.

 

우리는 여러가지 전략을 세웠다

1. meta 데이터 : RNN 계열 모델로 시계열 데이터 분석

2. 이미지 segmentation으로 이미지에서 잎의 면적을 통해 중량을 예측하기

3. CNN으로 이미지의 Feature를 뽑아 예측하기

4. 다중입력모델을 사용하여 이미지와 메타데이터를 함께 연결하여 사용하기

 

이 중에서 주로 이미지 처리 담당해서 프로젝트에 참여했다!