https://github.com/KwonNayeon/used-car-model-classification

Used Car Model Classification Project
https://github.com/KwonNayeon/used-car-model-classification

computer-vision deep-learning efficientnet python pytorch resnet

Last synced: about 1 year ago
JSON representation

Used Car Model Classification Project

• Host: GitHub
• URL: https://github.com/KwonNayeon/used-car-model-classification
• Owner: KwonNayeon
• Created: 2025-06-03T17:11:33.000Z (about 1 year ago)
• Default Branch: main
• Last Pushed: 2025-06-22T19:57:21.000Z (about 1 year ago)
• Last Synced: 2025-06-28T21:37:47.256Z (about 1 year ago)
• Topics: computer-vision, deep-learning, efficientnet, python, pytorch, resnet
• Language: HTML
• Homepage:
• Size: 1.3 MB
• Stars: 0
• Watchers: 0
• Forks: 1
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
![Thumbnail-Korean](assets/thumbnail-ko.jpg)

# 중고차 모델 분류 프로젝트

한국어 | [English](README.en.md)

> ⚠️ **대회 규정상 데이터 및 소스 코드는 공개하지 않습니다.**

---

## 프로젝트 개요

- **주제**: 중고차 이미지 차종 분류 AI 모델 개발

- **목표**: 다양한 중고차 차종 이미지 데이터를 분석하여 차종을 정확히 분류하는 AI 모델 개발 및 데이콘 제출

- **데이터 구성:**

    - 학습 데이터: 33,137장, 396개 클래스

    - 평가 데이터: 8,258장

---

## 팀 정보

- 👩🏻‍💻 [@HaileysArchives](https://github.com/HaileysArchives)

- 👩🏻‍💻 [@KwonNayeon](https://github.com/KwonNayeon)

**프로젝트 기간**: 2025.05 - 2025.06

**협업 내용**: AI 모델 개발, 데이터 전처리, 분석

---

## 사용 기술

![Python](https://img.shields.io/badge/Python-3776AB?style=for-the-badge&logo=python&logoColor=white)

![PyTorch](https://img.shields.io/badge/PyTorch-EE4C2C?style=for-the-badge&logo=pytorch&logoColor=white)

![NumPy](https://img.shields.io/badge/numpy-%23013243.svg?style=for-the-badge&logo=numpy&logoColor=white)

![Pandas](https://img.shields.io/badge/pandas-%23150458.svg?style=for-the-badge&logo=pandas&logoColor=white)

![scikit-learn](https://img.shields.io/badge/scikit--learn-%23F7931E.svg?style=for-the-badge&logo=scikit-learn&logoColor=white)

- **핵심 기술**: PyTorch 기반 딥러닝, 컴퓨터 비전 모델 (ResNet, EfficientNet)

- **데이터 파이프라인**: Python 기반 전처리 (NumPy/Pandas)

- **평가 지표**: Log Loss (scikit-learn 기반), Dacon 리더보드 Public/Private Score

---

## 프로젝트 구조도

**[프로젝트 구조도 (영문)](https://kwonnayeon.github.io/used-car-model-classification/assets/project_architecture.html)** - 단계별 개발 과정 시각화

---

## 핵심 전략

### 1. 초기 전략: 2단계 접근법

**브랜드 로고 기반 단계적 분류 설계**

- **1단계**: YOLO 모델을 활용한 차량 이미지 내 브랜드 로고 탐지 및 분류

- **2단계**: 전체 차량 이미지를 활용한 세부 차종 분류 모델 학습

**라벨링 전략**

- 바운딩 박스 기준 수립 후 Roboflow를 통한 데이터 라벨링 진행

- 수작업 라벨링과 AI 자동 라벨링(Auto Annotate) 조합 시도

- **제약사항**: Roboflow Auto Annotate 기능의 유료 토큰 요구로 도입 실패

### 2. 전환 전략: 단일 단계 분류 모델

**리소스 제약으로 인한 전략 변경**

- YOLO 기반 2단계 접근법은 시간 및 자원 소모량이 과도하여 보류

- Google Colab 환경의 GPU 메모리 제한으로 전체 데이터셋(33,000장) 학습 불가

- **데이터 최적화**: 클래스 균형을 고려하여 10,000장으로 샘플링

- ResNet 및 EfficientNet 기반 분류 모델로 실험 방향 전환

---

## 자세한 내용

- **[결과 요약](summary_report.md)** - 문제 정의와 전체 결과 요약

- **[문제해결 과정](troubleshooting.md)** - 기술적/데이터 문제와 해결 방법

- **[기술 구현](implementation/)** - 데이터 전처리 및 모델 학습 슈도코드

- **[결과 차트](assets/)** - 모델 성능 및 학습 과정 시각화

---

## 참고사항

- 원본 데이터 및 소스 코드는 대회 규정에 따라 비공개

- 모델 제출은 `sample_submission.csv` 형태로 클래스별 예측 확률을 포함

- 평가 기준: Log Loss 기반 Private Score 100% 반영

- 클래스 통합 고려사항: 'K5_3세대_하이브리드_2020_2022' == 'K5_하이브리드_3세대_2020_2023' 등