[1] 오늘 날짜 / 이름 / 팀명

• 날짜:2026.02.03
• 이름:강하은
• 팀명:5팀

[2] 오늘 맡은 역할 및 구체적인 작업 내용

오늘 당신이 맡았던 역할은 무엇이었고, 어떤 작업을 수행했나요?

(예: 모델 학습 파라미터 조정, 결측치 처리, 발표자료 구성 등)

✍️ 답변:

1. EDA 결과 파악                                                                                                                                     
     - data_engineer 브랜치의 eda0.ipynb 확인                                                                                                          
     - 이미지 232장, 전부 976x1280, bbox 면적 23k~272k, annotation 763개                                                                               
                                                                                                                                                       
  2. config.py 업데이트                                                                                                                                
     - EDA 기반 데이터 정보 추가 (image_size, bbox_area_range)                                                                                         
     - 추론용 threshold 설정 추가 (score_threshold, nms_threshold)                                                                                     
                                                                                                                                                       
  3. train.py 수정                                                                                                                                     
     - 전체 학습 루프 함수(train) 추가                                                                                                                 
     - 개별 loss 컴포넌트 추적 (classifier, box_reg, objectness, rpn_box_reg)                                                                          
     - 체크포인트 자동 저장 (best model + 매 epoch)                                                                                                    
     - loss 기록 파일 저장 기능 추가                                                                                                                   
                                                                                                                                                       
  4. evaluate.py 수정                                                                                                                                  
     - mAP 계산 코드 구현 (compute_ap, compute_mAP)                                                                                                    
     - 클래스별 AP + 전체 mAP 반환                                                                                                                     
                                                                                                                                                       
  5. model.py 검토 및 수정                                                                                                                             
     - backbone 선택 파라미터 추가 (resnet50, resnet50_v2, mobilenet_v3)                                                                               
     - pretrained=True → weights='DEFAULT' 변경 (deprecated 경고 제거)                                                                                 
     - score/nms threshold 설정 기능 추가                                                                                                              
                                                                                                                                                       
  6. feature/faster-rcnn-model 브랜치에 push 완료                                                                                                      
                                                

[3] 오늘 작업 완료도 체크 (하나만 체크)

진척 상황을 정량적으로 표시하고, 간단한 근거도 작성하세요.

• [ ] 🔴 0% (시작 못함)
• [ ] 🟠 25% (시작은 했지만 진척 없음)
• [ ] 🟡 50% (진행 중, 절반 이하)
• [x] 🔵 75% (거의 완료됨)
• [ ] 🟢 100% (완료 및 점검까지 완료)

📌 간단한 근거:

75%: 학습 파이프라인(train, evaluate, model) 코드를 모두 완성했으나, 데이터셋 연결 및 실제 학습 테스트는 데이터 담당분의 클래스 수/split 비율 확인 해야 함