# CutMix 사용 : Beyond LB0.96 from LB0.95 

Public 1위 -> private 7위 solution 입니다.
기존에 말씀드린 LB 0.95 솔루션 그대로에 CutMix만 넣었습니다.
[https://www.kaggle.com/c/2019-3rd-ml-month-with-kakr/discussion/97814#latest-598866](https://www.kaggle.com/c/2019-3rd-ml-month-with-kakr/discussion/97814#latest-598866)
다만, 논문 그대로의 cutmix가 아니라 제가 약간 modify한 버전을 썼습니다 :
[https://github.com/ildoonet/cutmix](https://github.com/ildoonet/cutmix)
- Cifar100, ImageNet에서도 논문보다 나은 성능을 보여줍니다.
- 트레이닝 속도도 저자 코드보다 빠릅니다.
- 개선사항은 레포를 참고하시면 됩니다.
public LB 대비 private LB가 다소 낮은 것은 앙상블한 모델이 1개이고(ResNext 101) 단순한 TTA 만 적용하여 generalization이 조금 덜 되었다고 볼 수도 있을 것 같습니다. 혹은 public/private 사이에서 약간의 데이터 분포가 다른 상황에서 약간의 운이 없었던 것일 지도요.
저는 cutmix를 개선하는 쪽에 집중하여 실험을 하는 것이 목적이었습니다. 아마 위 깃헙을 통해서 cutmix 개선 버전을 지속적으로 공개할 것 같습니다.
다른 분들 솔루션도 재미있는 것 같고, 특히 1등분이 노력을 많이 하신 것 같습니다. 즐거운 대회였습니다. :)