• 날짜: 2026년 3월 25일 (수)
• 이름: 천지연
• 팀명: Health Eat 5팀

맡은 역할과 수행한 작업

<aside>

프로젝트 PM으로서 내일 있을 중간 발표를 위한 보고서 취합 및 작성을 총괄하고, 단일 변인 통제 실험을 통한 모델 검증을 진행했습니다.

1. 중간 발표 보고서 총괄 작성 : 팀원들과 노션에서 동시 협업하며 보고서 초안을 작성했습니다. 목차 포맷과 문체를 통일하고, 모델 성능 지표를 단순 텍스트가 아닌 표나 시각화 차트로 구성하도록 방향을 제시 및 취합했습니다.

2. Validation 구성 변경 실험 진행 : Validation 데이터셋을 기존 Train 데이터로만 구성하고 imgsz=640으로 고정하여 실험을 돌렸습니다. 완료 후 캐글에 제출하여 지표를 확인했습니다.

3. 팀원 실험 피드백 및 PR 리뷰 : 채빈님이 진행한 MuSGD 옵티마이저 및 하이퍼파라미터 튜닝 결과가 유의미하게 나와, 해당 설정값을 적용한 PR(#24)을 리뷰하고 병합했습니다.

   https://github.com/Daybreak53/HealthEat-Pill-Detection/pull/24

4. 최적화 전략 리서치 및 공유 : 현재까지의 실험 로그와 보고서를 기반으로 프로젝트 후반부에 적용할 최적화 전략을 서치하여 별도의 노션 문서로 정리, 팀 채널에 공유했습니다. </aside>

오늘 작업 완료도 체크

🟢 100% (완료 및 점검까지 완료)

<aside>

가장 중요했던 1차 목표인 '중간 발표용 보고서 완성'을 팀원들과 훌륭하게 마무리하였고, 오후 시간 동안 진행된 각자의 모델 실험 결과를 성공적으로 깃허브와 캐글 리더보드에 반영했습니다.

</aside>

오늘 협업 중 제안하거나 피드백한 내용

<aside>

• 정량적 평가 시각화 제안 : 범수님이 보고서 작성 시 수치 반영 방향을 고민하실 때, 정량적 평가로 제시할 것을 제안했습니다. 예를 들어 ****W&B 워크스페이스의 특정 Run들을 골라 mAP 지표를 시각화 차트로 비교하여 넣는 방식은 어떤지 이야기를 나누었습니다.
• 보고서 내용 논리 보강 피드백 : 기우님과 희정님이 데이터 증강 및 전처리 파트를 작성하실 때, 단순히 수치를 나열하는 것을 넘어 "왜"에 대한 타당한 근거를 문서에 명시하도록 코칭했습니다. </aside>

오늘 분석/실험 중 얻은 인사이트나 발견한 문제점

<aside>

• 로컬 검증(Val)과 실제 리더보드 점수 간의 괴리 재확인 : 제가 진행한 실험에서 로컬 mAP50-95는 0.9784로 매우 높게 나왔으나, 실제 캐글 제출 점수는 0.95548로 차이가 있었습니다. 이를 통해 모델이 현재 학습 데이터셋에 과적합되어 있거나, 실전 테스트셋(다중 약제 및 노이즈)과의 데이터 분포 차이가 여전히 큼을 체감했습니다.
• 하이퍼파라미터 튜닝의 유효성 검증 : 채빈님의 실험 결과(MuSGD, lr0=0.001, lrf=0.1, cls=1.0, label_smoothing=0.1, dfl=1.0)가 캐글 리더보드 0.97207을 기록하며 좋은 성능을 보였습니다. </aside>

일정 지연이나 협업 중 어려웠던 점

<aside>

제 경우 Colab GPU 할당량이 초과되는 리소스 이슈가 발생해 오전 실험이 일시 중단되는 지연이 있었습니다. 또한, 노션에서 다 같이 보고서를 동시 편집하다 보니 차트를 실수로 삭제할까 봐 조심스러워하는 등 협업 툴 사용의 소소한 어려움이 있었습니다. 하지만 역할을 명확히 나누고 노션 댓글이나 챗으로 실시간 소통하며 다듬을 수 있다는 장점도 있었고, 덕분에 충돌 없이 보고서 마감 기한을 지켜냈습니다.

</aside>