12일 안에 세그멘테이션 따라잡기

구조와 흐름

• 12일 제한의 헤어스타일 이진 세그멘테이션 경진대회에서 데이터·모델·후처리 동시 최적화
• 512×512 이미지 약 20만 장, 단일 V100 학습 36시간·추론 3시간, 이미지당 단일 polygon 제출 제약
• 하이퍼파라미터 탐색 후 오류 분석 기반 후처리와 TTA 적용

선택 이유

• 빠른 실험을 위한 segmentation_models_pytorch 기반 모델 구성
• 단순한 이진 분류 특성과 학습 속도를 고려한 Unet decoder 선택
• ResNeSt101e encoder, Smooth L1 loss, AdamP, CutMix 50% 조합 채택

성능/운영 포인트

• mask를 bit-string으로 저장해 장당 255KB에서 33KB, 전체 약 52GB에서 6.8GB로 절감
• mixed precision, encoder·decoder 차등 learning rate, interpolation 없는 flip·rot90 TTA 활용
• wandb Table Artifact로 GT·예측·오류 맵·IOU를 비교하며 정성적 오류 분석

적용해볼 점

• contour 계층 구조와 최단 channel을 이용한 단일 polygon 병합으로 제출 형식 제약 대응
• 작은 contour 제외 min_area, 낮은 표준편차 확률맵 보정으로 후처리 성능 개선
• CRF와 two-stage 추론은 검증 성능 저하로 제외, 데이터·평가 방식에 맞춘 기법 검증 필요