모델보다 train 이미지가 먼저입니다: 합성미세구조 500장을 선명도·잡음·대비로 나눠 보는 7일차 | DAKER 커뮤니티
합성 미세구조 기반 재료 물성 예측 AI 경진대회는 256×256 흑백 이미지 한 장에서 경도 대용값을 맞히는 문제입니다. 그런데 공식 설명을 끝까지 읽으면, 이미지마다 선명도·잡음·대비가 다르게 들어 있다고 분명히 적혀 있습니다. 모델 목록을 펼치기 전에 train 이미지 500장을 직접 훑어보고 이 차이를 묶음으로 나눠 두면, 이후 실험이 왜 흔들리는지 훨씬 빨리 읽힙니다.
합성미세구조 이미지에는 무엇이 들어 있나요
대회 데이터는 재료의 결정립 구조를 모사한 2차원 합성 미세구조 이미지이고, 256×256 픽셀 8비트 흑백 PNG입니다. 학습용 train 이미지는 500장, 예측해야 하는 test 이미지는 1,000장입니다. 공식 설명은 이미지에 나타나는 시각적 특징을 이렇게 꼽습니다.
- 결정립의 크기와 분포
- 어두운 상
- 기공
- 결정립의 신장과 정렬
선명도·잡음·대비 차이도 포함되어 있어 다양한 영상 조건을 고려한 예측이 필요합니다.
정답값도 합성입니다. 경도 정답은 재료과학의 일반적인 물리 경향을 참고해 설계한 대용값이고, HV는 단위 표기일 뿐 실제 시편의 측정값과 직접 대응하지 않는다고 안내되어 있습니다. 참고 자료의 결정립·상·기공 설명 역시 일반 경향이며, 개별 이미지의 정답을 보장하지 않는다고 적혀 있습니다.
모델부터 고르면 무엇을 놓치나요
이미지를 한 번도 보지 않고 인기 있는 백본부터 붙이면, 검증 오차가 어디서 커지는지 설명할 말이 없습니다. 예를 들어 잡음이 심한 이미지 묶음에서만 오차가 크다면 모델을 바꾸기보다 전처리나 증강을 먼저 손보는 편이 맞을 수 있습니다. 반대로 대비가 낮은 이미지에서 기공과 어두운 상이 구분되지 않는다면 입력 정규화가 먼저입니다. 이런 판단은 이미지를 묶어 본 사람만 할 수 있습니다.
train이 500장뿐이라는 점도 중요합니다. 표본이 적을수록 검증 분할이 어떤 묶음에 치우쳤는지에 따라 점수가 크게 흔들립니다. 리더보드 Public 점수는 test의 30%만 반영하고, 최종 1차 평가는 나머지 70%인 Private 점수로 정해지므로, 내 검증 오차를 묶음별로 읽을 수 있어야 Public 숫자에 덜 휘둘립니다.
500장을 세 묶음으로 나눠 보는 순서
전체 구조를 먼저 이해하고 세부로 내려가는 방식은 코드베이스를 읽을 때만큼 데이터를 읽을 때도 유효합니다. 하루 제출 5회를 쓰기 전에 한 시간만 들이면 됩니다.
- train 이미지 수십 장을 격자로 한 화면에 띄웁니다.
- 선명한 것, 잡음이 많은 것, 대비가 낮은 것으로 대략 나눠 봅니다.
- 묶음마다 결정립 크기, 어두운 상, 기공, 정렬 정도를 짧게 메모합니다.
- 검증 분할에 세 묶음이 고르게 들어가도록 나눕니다.
- 모델을 돌린 뒤 검증 오차를 묶음별로 따로 계산해 봅니다.
이 관찰은 train 이미지로만 합니다. 공식 규칙상 제공된 test 데이터는 어떠한 형태로도 모델 학습에 활용할 수 없고, train 외의 외부 데이터도 사용할 수 없습니다.
개막 7일차, 지금 대회 상황
작성 기준일 10월 5일 아침 공식 해커톤 정보 기준으로 참가 203명, 제출 615건입니다. 리더보드 제출은 2026년 10월 19일 10:00까지이고, 이후 Private 상위 10명은 코드와 PPT를 제출해 검증을 받습니다. 평가 산식은 예측 경도와 정답 경도의 RMSE이며, 동점이면 먼저 기록한 참가자가 위에 놓입니다.
공식 출처
train 이미지를 직접 훑어봤을 때 가장 먼저 눈에 띈 차이는 무엇이었나요? 잡음, 대비, 결정립 크기 중 어떤 기준으로 묶었는지 댓글로 나눠 주세요.