2023 Fashion-How Season 4: Sub-Task3 Repository

대회 정보

• 주최 기관: ETRI
• 대회 기간: 08.02 ~ 09.15
• 참여 과제: Sub-Task3 - Continual Learning

대회 결과

• 종합 등수: 종합 우수 (2등 혹은 3등)
• Task3 등수: 4등

코드 사용법

• 주의사항: 현재 코드는 Sub-Task3 실채점 리더보드에서 0.6320286 score를 기록한 실험을 재현하기 위한 코드입니다.
• 실험 환경
  • Google Cloud Platform
  • Tesla T4 GPU
  • CUDA 11.6

1. git clone 명령어로 본 repository를 복사
2. Anaconda 혹은 Miniconda를 설치하고, conda create -n fashion_how python==3.10.12 명령어로 가상환경을 생성. (권장, 필수 X)
3. pip install -r requirements.txt 명령어를 이용하여 필요한 라이브러리 설치
4. FASHION-HOW LEADERBOARD 3 페이지로 이동한 뒤, 신규)학습용 데이터셋 다운로드(링크)와 Validation Set 다운로드 (링크)를 눌러 데이터를 다운로드
5. 다운받은 데이터셋을 아래 형식과 동일하게 구성

   23-Fashion-How
     >> .git
     >> .github
     >> after_competition
     >> data
       >> dialogue
       >  >> eval
       >  >  >> cl_eval_task*.dev (dev로 끝나는 파일 모두를 저장. 총 12개)
       >  >
       >  >> tr
       >  >  >> task*.ddata.txt (txt로 끝나는 파일 모두를 저장. 총 12개)
       >  >
       >  >> tt
       >  >  >> cl_eval_task*.tst (tst로 끝나는 파일 모두를 저장. 총 12개)
       >  
       >> img_feats
       >> img_jpg
       >> sstm_v0p5_deploy
       >
       >> mdata.txt.2023.0823
       >> mdata.wst.txt.2023.0823
     >> ...
   

6. cd sub_task3_custom 명령어를 통해 이동
7. 터미널 상에서 bash run_example.sh 명령어를 실행하여 실험을 진행.
8. 모든 데이터에 대해 학습 및 평가가 완료된 후 재현이 올바르게 되었는지 확인하고 싶다면, nohup_logs/21_18_dec_mem_size.out 파일의 최종 score와 비교해보면 됨. Validation으로 사용한 data는 .tst가 아닌 .dev인 점을 주의 (업데이트 예정)

팀 둥굴레 멤버

• 김준태 님: Sub-Task1, 2 참여
• 이다현 님: Sub-Task3, 4 참여
• 이준하 님: Sub-Task1, 4 참여
• 박수영 님: Sub-Task3 참여
• 정호찬 님: Sub-Task3 참여