[Alpenj]

무엇을 바꿨는가

• JD 원본과 동일한 MiniVGG 구조(8,457,635 parameters)를 별도 개인화 코드로 유지했습니다.
• learning rate 0.001→0.0003, AdamW, weight decay, class weight/label smoothing, gradient clipping, ReduceLROnPlateau, early stopping을 적용했습니다.
• train 232 / validation 58의 고정 stratified split과 seed 42/43/44 반복 실행을 추가했습니다.
• best validation checkpoint를 사용하는 EMA 기반 live cam inference를 추가했습니다.
• 실제 3-seed JSON과 loss/accuracy PNG, 재현 테스트, 학습 기록을 포함했습니다.

왜 바꿨는가

원본은 전체 290장을 train에 사용하고 seed와 validation이 없어 epoch별 변동과 일반화 성능을 구분하기 어려웠습니다. 과제 목표에 맞춰 CNN 구조는 바꾸지 않고 학습 하이퍼파라미터와 평가 절차만 통제했습니다. ResNet 비교 실험은 이 PR에서 제외했습니다.

실제 결과

• validation accuracy: 86.21%, 87.93%, 87.93%
• 3-seed mean ± std: 87.36% ± 0.81%
• selected checkpoint: seed 43, epoch 9, validation loss 0.4168
• selected class recall: cans 91.67%, cups 92.31%, pets 80.95%

원본의 91.38%는 train accuracy이므로 위 validation 수치와 직접 비교하지 않습니다. 같은 이미지 모음에서 나눈 validation은 상품 사진과 노트북 카메라 사이 domain shift를 측정하지 못한다는 한계도 기록했습니다.

검증

• ruff check: passed
• pytest: 3 passed
• 원본/개인화 state_dict key·shape 동일, parameter count 동일
• JSON 3 runs parse 및 PNG integrity 확인
• 이미지 원본, checkpoint, 개인 경로/토큰 미포함