CV入门赛最全思路&上分技巧汇总！-CSDN博客

本文链接：https://blog.csdn.net/Datawhale/article/details/107969988

↑↑↑关注后"星标"Datawhale

每日干货 & 每月组队学习，不错过

Datawhale干货

作者：安晟，算法工程师，Datawhale成员

赛题数据及背景

https://tianchi.aliyun.com/competition/entrance/531795/introduction（阿里天池-零基础入门CV赛事）

本文分为以下几部分：

如何优化官方baseline的效果？
其它解题思路的整理和分析
字符级目标检测的优化技巧整理

在这里要特别感谢多位前排选手对于比赛技巧的无私分享，那么不多bb，下面直接进入正题

一、如何优化官方baseline的效果？

本次入门赛的官方baseline入门材料，已经提供了完整的实践思路:Task1 赛题理解^[1]、Task2 数据读取与数据扩增^[2]、Task3 字符识别模型^[3]、Task4 模型训练与验证^[4]、Task5 模型集成^[5]，本质上，baseline的思路就是将赛题转换为了一个定长的字符识别问题，用包含多个输出的分类问题来进行求解。

1.1 改进版baseline

那么如何进行进一步优化呢？在比赛进行的过程中，我在天池进行了一次如何调参上分^[6]的直播分享。

直播对应的代码可以在我们的《动手学CV项目》^[7]的2.5节找到。

这份代码相当于一个加强版的baseline，简短来说，介绍了以下几点：

重新回顾baseline的代码
阶段性下降的学习率调整策略
分析了很多人提交出0.3-0.4分成绩的原因和解决方案
加入数据增强策略

这份代码我相信是帮到了一些刚入门的同学的，提交的成绩大概在0.75分左右。

那么在这样一个baseline的基础上，如何进一步的优化呢？

1.2 改进backbone

baseline中我们的网络结构是这样定义的：

class SVHN_Model1(nn.Module):
    def __init__(self):
        super(SVHN_Model1, self).__init__()

        model_conv = models.resnet18(pretrained=True)
        model_conv.avgpool = nn.AdaptiveAvgPool2d(1)
        model_conv = nn.Sequential(*list(model_conv.children())[:-1])  # 去除最后一个fc layer
        self.cnn = model_conv

        self.fc1 = nn.Linear(512, 11)
        self.fc2 = nn.Linear(512, 11)
        self.fc3 = nn.Linear(512, 11)
        self.fc4 = nn.Linear(512, 11)
        self.fc5 = nn.Linear(512, 11)

    def forward(self, img):        
        feat = self.cnn(img)
        #print(feat.shape)
        feat = feat.view(feat.shape[0], -1)
        c1 = self.fc1(feat)
        c2 = self.fc2(feat)
        c3 = self.fc3(feat)
        c4 = self.fc4(feat)
        c5 = self.fc5(feat)
        return c1, c2, c3, c4, c5

我们可以对使用的backbone网络进行一系列的改进：