Title (Please modify the title)

Team

이민우	조선미	이준석	이나경	황준엽
팀장, 담당 역할	담당 역할	담당 역할	담당 역할	담당 역할

🧠 Document Classification - AI Bootcamp CV Competition

0. Overview

Environment

• OS: Ubuntu 20.04.6 LTS
• Python: 3.10.x
• PyTorch: 2.0.1
• CUDA: 11.7
• Jupyter Notebook / VSCode for development
• GPU: A100 / T4 (Google Colab, AI Stages 활용)
• Model Training & Experiment Tracking: MLflow, TensorBoard

Requirements

pip install -r requirements.txt

1. Competition Info

Overview

• 대회명: 패스트캠퍼스 AI 부트캠프 13기 - CV 경진대회
• 주제: 문서 이미지 분류 (Document Classification)
• 목표: 학습 데이터(1,570장)를 활용하여 테스트 데이터(3,140장)를 17개 문서 클래스로 분류하는 모델 개발
• 세부 내용:
  • 문서 종류는 금융, 의료, 보험, 물류 등 다양한 도메인 포함
  • 문서 이미지의 회전, 조도 불균형, 노이즈 등 실제 사용 환경에서 발생할 수 있는 이슈를 고려해야 함
  • 모델 구조부터 실험 전략, 협업 방식까지 전 과정을 팀원 주도로 구성

Timeline

• 📌 2025.06.30 - 대회 시작 (문제 및 데이터 공개)
• 📈 2025.07.01 ~ 2025.07.09 - 데이터 분석, 모델 학습 및 성능 개선
• 📨 2025.07.10 - 최종 제출 마감
• 🗣️ 2025.07.11 - 발표 및 회고 세션 진행

Directory

├── code
│   ├── jupyter_notebooks
│   │   └── model_train.ipynb
│   ├── train.py
│   ├── test.py
│   └── utils/
│       ├── data_utils.py
│       └── model_utils.py
├── docs
│   ├── presentation
│   │   └── [패스트캠퍼스]-AI-부트캠프-13기_CV-경진대회-발표.pdf
│   └── paper
├── input
│   └── data
│       ├── train/
│       ├── eval/
│       └── test/
├── output
│   ├── models/
│   └── predictions/
└── README.md

3. Data descrption

🔍 문제점 분석

• 클래스 불균형 (Class Imbalance)

  • 일부 클래스에 데이터가 집중되어 있어 성능 저하 우려
  • → Stratified K-Fold 및 Weighted Loss 등을 고려

• 조도 및 그림자 문제 (Lighting & Shadows)

  • 그림자가 짙거나 밝기가 너무 높은 문서 이미지 존재
  • → Brightness Adjustment, Shadow Simulation 등의 조도 관련 Augmentation 적용

• 회전 문제 (Rotation Issue)

  • 일부 문서가 90도, 180도 회전되어 있음
  • → Rotation(±90°, ±180°) 중심의 회전 Augmentation 적용

---

🛠 적용된 해결 방법

• ✅ 밝기 조절: transforms.ColorJitter 및 Augraphy 기반 조명 보정
• ✅ 회전 대응: transforms.RandomRotation 및 고정 각도 회전 적용
• ✅ 데이터 증강: 온라인 & 오프라인 증강 전략 병행

---

📌 요약

문제 항목	인사이트	대응 전략
클래스 불균형	성능 저하 유발 가능	Stratified Split, Class Weights
밝기/그림자	OCR 및 인식 저해	조도 보정 Augmentation
문서 회전	정방향 학습 방해	회전 Augmentation 추가

---

📁 해당 실험은 eda/augmentation_analysis.ipynb 및 notebooks/preprocessing.ipynb에서 확인할 수 있습니다.

5. Result

Leader Board

• Insert Leader Board Capture
• Write rank and score

Presentation

https://docs.google.com/presentation/d/1iR3Ts_w_UZA_SSlnCyUWTRFi_FIz5OfY/edit?slide=id.p7#slide=id.p7

etc

Meeting Log

• Insert your meeting log link like Notion or Google Docs

Reference

• Insert related reference