종합설계프로젝트2 3팀

---

프로젝트 소개

• 프로젝트명 : 머신러닝 모델 개발을 위한 노코드(no-code) 플랫폼 개발
• 멘토 기업 : (주)데이터센트릭
• Notion : https://hexagonal-knot-7e4.notion.site/3-e433a2ca79764aac888870b857cb3d4b?pvs=4
• 소개
  • 코딩이나 인공지능에 대한 사전지식이 없어도 손 쉽고 빠르게 정확한 이진분류가 가능한 인공지능 모델링을 해볼 수 있는 노 코드 플랫폼
  • 주요기능
    • 회원가입 및 로그인/로그아웃
    • 모델링 학습을 위한 데이터 셋(images) 일괄 저장 및 학습
    • 저장한 데이터 셋을 기반으로 한 모델링
      • dataset 을 여러 개 선언하여 다수의 모델링 가능
    • 모델링 결과를 테스트할 수 있는 '결과보기' 기능 및 학습정확도 확인 기능

웹

• 사용한 툴

  • 개발 도구 : vscode, github, notion, conda 4.12.0, Colab, ZOOM
  • 사용 언어 : Python 3.9, javascript, MySQL, HTML, CSS
  • 사용 프레임워크 : Django 3.2.18 , React 18.2
  • 모델링 : Pytorch 2.0.1 + cu118

• 시스템 구조도

• 유즈케이스 다이어그램

• 시퀀스 다이어그램

• 백 엔드 동작 요약

• 컴포넌트 구조도

모델

---

벤치마킹

• 8종의 모델을 선정하여 cifar-10 데이터셋을 사용하여 동일한 환경에서의 성능 비교 후 최종 모델 선정을 위한 실험

• 학습절차

  1. cifar-10 dataset : 훈련 데이터 5만, 검증 데이터 1만, 10개의 classes 분류.
  2. testModel 8종 선정 및 모델 학습
     • Alexnet, Efficient_b0, vgg-16, resnet50, mobilenet_V3, Mnasnet0_5, ShuffleNet_v2_1_0, mobilenet_v2
  3. 모델 검증

• 테스트 목표

  1. 학습횟수에 따른 모델 정확도 추이 확인
  2. 모델별 학습 시간 확인
  3. 컴퓨팅 자원 사용량 확인
     • 모델 및 데이터양에 따른 컴퓨팅 자원 사용량
     • 개발 시스템 하드웨어 요구사항
  4. 최종적으로 사용할 모델 선정

벤치마킹 결과 종합

(https://hexagonal-knot-7e4.notion.site/5a48f5837603404b8feba8e6bc414c38?pvs=4)

세진 : https://github.com/sejin1129/BenchMarking
준수 : https://github.com/githeoheo/Pytorch-benchmarking.git
해빈 : https://github.com/DeveloperYun/Pytorch_benchmark
수현 : https://github.com/wjdtngus9536/AI_Benchmark_Test

모델링 성능 개선

• early stopping을 적용하여 동성능 대비 시간을 50% 이상 절약하여 전체적인 성능 향상
• bianry_acc function을 사용하여 이진분류로 고정함으로써 기존 모델보다 정확도 향상

---

논문 소개

• [한국정보지능시스템학회] https://www.kiiss.or.kr/conference/conf/sub03.html

---

sw 등록

sw등록.pdf

---

회의록

https://www.notion.so/72c135fee5494b688630613c510c40b7?pvs=4

---

데모 영상

https://www.youtube.com/watch?v=nQkTkpfFr_0