DACON 구조물 안정성 추론 공모전 팀 아카이브
Computer Vision · Dual-View Classification · Large Vision Backbone · Model Calibration
front / top 두 시점 이미지를 기반으로 구조물의 안정·붕괴 확률을 예측하는 비전 분류 공모전입니다.
단순 이미지 분류가 아니라, 구조물의 형태·기울기·배치 정보를 바탕으로 물리적 안정성을 추론하는 문제로 접근했습니다.
| 항목 | 내용 |
|---|---|
| 최종 순위 | 16등 |
| 전체 성과 | 상위 4% |
| 리더보드 점수 | Private LogLoss 0.01903 |
| 팀 구성 | 5인 팀 |
| 진행 기간 | 2026.03.03 ~ 2026.03.30 |
최종 성능 개선을 위해 dacon-structural-stability 레포에 정리된 대규모 Vision Backbone 기반 학습·추론 파이프라인을 중심으로 실험했습니다.
- EVA-Giant / DINOv2 / EVA02 계열 대형 Vision Backbone 실험
- front / top 이미지를 같은 백본으로 인코딩하는 Shared Backbone Dual-View 구조
- 두 시점 특징을 결합하는 Attention Gate Fusion 구조
- Focal Loss + Label Smoothing 조합
- ShapeStacks 사전학습 후 DACON train + dev 기반 5-Fold Finetune
- RandomResizedCrop, Affine, Perspective, ColorJitter, Blur, Noise, Shadow 등 강한 증강 적용
- CutMix / Mixup / Clean 샘플을 섞는 배치 단위 학습 전략
- TTA, Temperature Scaling, Prediction Clipping 기반 LogLoss 개선
- 구조물 영역에 집중하기 위한 Segmentation 전처리 파이프라인 설계
- SAM 2, Depth-Anything-v2, SAM 2 + Depth Hybrid 방식 비교
- HSV Smart Box + SAM 2 하이브리드 방식으로 구조물 마스크 추출 실험
- RGB 입력과 RGB + Mask 4채널 입력 방식 비교
- ConvNeXt, Swin Transformer 기반 Dual-View Fusion 실험
- 배경 노이즈, 체커보드 바닥, 그림자 영향을 줄이기 위한 마스크 기반 학습 실험
- LogLoss 기준에서 과도한 확신을 줄이기 위한 확률 보정 적용
| Repository | 설명 |
|---|---|
| dacon-structural-stability | 대규모 Vision Backbone 기반 학습·추론 파이프라인 |
| dacon-data-segmentation_and_train | Segmentation 전처리 및 구조물 마스크 기반 학습 실험 |
| dual-view-stability-classifier | front / top Dual-View 구조물 안정성 분류 모델 실험 |
| dacon-structure-stability-ai | 초기 베이스라인 및 실험 아카이브 |
이 조직은 DACON 구조물 안정성 추론 공모전에서 사용한 코드, 데이터 전처리 실험, 모델 학습 파이프라인, 후처리 및 결과 분석 과정을 정리하기 위한 팀 아카이브입니다.
