从0梳理1场CV大赛（Top 3%）!

最新推荐文章于 2024-07-20 23:52:34 发布

Datawhale

最新推荐文章于 2024-07-20 23:52:34 发布

阅读量438

点赞数 1

文章标签：算法深度学习人工智能机器学习 python

本文链接：https://blog.csdn.net/Datawhale/article/details/113577417

版权

本文以全国数字生态创新大赛为例，详细梳理计算机视觉（CV）数据竞赛的流程，包括赛题背景、赛题分析、数据介绍、评价标准、建模方法和改进思路。通过构建语义分割模型，利用Unet等方法处理遥感影像的地物分类，针对类别不均衡和模型效率问题提出优化策略。

摘要由CSDN通过智能技术生成

↑↑↑关注后"星标"Datawhale

每日干货 & 每月组队学习，不错过

Datawhale干货

作者：阿水，北京航空航天大学，Datawhale成员

摘要：数据竞赛对于大家理论实践和增加履历帮助比较大，但许多读者反馈不知道如何入门，本文以全国数字生态大赛为背景，梳理了cv数据竞赛的整个流程和改进思路。

继上一篇从0梳理1场数据挖掘赛事后。今天以天池正在进行的数字生态大赛为背景，对CV赛事的解题思路和上分技巧做了详细讲解。

这份Baseline不算复杂，用了1个小时，提交结果后比赛排名100/3171（Top 3%）

大赛名称：全国数字生态创新大赛-智能算法赛

大赛地址：
https://tianchi.aliyun.com/s/92ccdd364891b9e559a10e1df10079de（或文末阅读原文）

大赛类型：计算机视觉、语义分割

赛题基于不同地形地貌的高分辨率遥感影像资料，要求参赛队伍利用遥感影像智能解译技术识别提取土地覆盖和利用类型，实现生态资产盘点、土地利用动态监测、水环境监测与评估、耕地数量与监测等应用。

地表类型(初赛)包括：

{
  1: "耕地",
  2: "林地",
  3: "草地",
  4: "道路",
  5: "城镇建设用地",
  6: "农村建设用地",
  7: "工业用地",
  8: "构筑物"
  9: "水域"
  10: "裸地"
 }

关注