Yeonsu cifar10

[dustnehowl]

📝 변경 사항 요약

CIFAR-10 데이터셋을 사용한 ResNet-18 학습 프로젝트를 추가했습니다. 특히 Cat과 Dog 클래스 간의 혼동 문제를 해결하기 위한 다양한 기법을 구현하고 실험했습니다.

✨ 주요 기능

1. 다양한 손실 함수 구현

• Focal Loss: 어려운 샘플(Cat/Dog)에 집중하여 학습
• Weighted Cross-Entropy Loss: 특정 클래스에 높은 가중치 부여
• Label Smoothing: 과신뢰 방지 및 일반화 성능 향상

2. 고급 데이터 증강 기법

• Cutout: 이미지 일부 영역 제거로 세부 특징 의존성 감소
• Mixup: 두 이미지 혼합으로 결정 경계 부드럽게
• ColorJitter: 색상 의존성 감소

3. 체계적인 실험 관리 시스템

• 실험별 자동 폴더 생성 및 설정 저장
• 학습 곡선 시각화 자동 생성
• 결과 CSV 및 요약 JSON 자동 저장

🎯 실험 결과

다양한 설정으로 실험을 수행했으며, 주요 결과는 다음과 같습니다:

• 기본 (CE): 최고 정확도 ~94%
• Focal Loss + 고급 증강: 최고 정확도 ~95%+
• Focal Loss + 증강 + Mixup: 최고 정확도 ~94%+

📂 추가된 파일

• train.py: 메인 학습 스크립트
• dataset.py: CIFAR-10 데이터 로더
• losses.py: 다양한 손실 함수 구현
• augmentation.py: 데이터 증강 기법 구현
• models/resnet18.py: ResNet-18 모델 정의
• scripts/: 여러 실험 설정 스크립트
• README.md: 프로젝트 문서화
• requirements.txt: 의존성 패키지 목록

🧪 테스트

• 다양한 손실 함수와 데이터 증강 조합으로 실험 수행
• 각 실험의 설정과 결과를 체계적으로 저장 및 관리
• 학습 곡선 및 성능 메트릭 자동 기록