{
  "fetched_at": "2026-10-19T09:39:24Z",
  "source_url": "https://www.kaggle.com/competitions/2021-rcv-urp-cnn-tutorial/data",
  "pages": [
    {
      "name": "data-description",
      "content": "데이터는 실제 세상의 장면을 담고 있는 이미지들로 구성이 되어있습니다.\n\n\n해상도는 150 x 150 이며 , 6개의 카테고리가 존재합니다.\n\n\n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "# 합성곱 신경망을 구축하여 Image classification을 진행해봅시다.\n\n첫날에 진행했던 MNIST image classification의 파이프라인을 잘 기억해서 이제는 다른 데이터셋을 가지고 동일한 이미지 분류 작업을 진행하면 됩니다.\n\n다른 모든 과정은 동일하며 , DataLoader 구축을 직접 해야 합니다.\n\n본 Task에서 별도의 csv 파일은 제공되지 않으며 , 모델을 훈련시키기 위한 image data와 그에 해당하는 label을 담아줄 DataLoader를 직접 구축하셔야 합니다.\n\npython의 **os 라이브러리**를 활용하면 어렵지 않게 구축이 가능합니다.\n\nModel 같은 경우는 VGG , ResNet 등등 대표적인 Network를 사용해도 좋고 직접 convolution layer 설계해서 만들어도 좋습니다.\n\n## Baseline : VGG16 + BatchNorm + Pretrained weight\n\n- learning_rate = 0.001 (scheduler 사용 x)\n\n- batch_size = 256\n\n- Total_epoch = 25\n\n- optimizer = Adam \n\n데이터 출처 : https://www.kaggle.com/puneet6060/intel-image-classification\n\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "This is a page where you can include rules that participants must accept before joining. You may wish to include rules like:\n\n - Don't cheat!\n - Apply yourself!\n - Have fun!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}