计算机视觉--每日作业（1）

今日作业

在实际项目中，一般数据集都是自己采集制作。

1. 一个合格的数据集需要达到哪些要求？

2. 如何选择合适的模型？（即选择模型需要考虑哪些因素？）

3. 如果模型对其中一个类或两个类的表现不太好，有什么解决措施？(可以从数据方面和模型方面分析）

4. 一般是如何根据具体场景进行模型改进的？（即改进的思路通常有哪些？）

请在回答时备注是第几题的答案。题目顺序即为文章标题序号。

参考答案将会发布在知识星球内，可添加本人微信号“FewDesire”邀请加入。添加前请先备注“研究方向-城市-ID”。

回答方式：

加入知识星球【CV技术指南（免费版）】，在知识星球中回答。

加入知识星球方式，点击下方链接

https://t.zsxq.com/IA2jAmY

对待作业的正确做法：

1. 当作是一个挑战任务，先坚持做个一百天的。

2. 遇到不会的去博客、知乎上找，然后根据别人的文章形成自己的理解并写下正确答案。

对待作业的错误做法：

1. 看一眼感觉会做，不管了。

错误原因：每道题都没那么简单，可能自己的理解是有问题的，可能自己知道的部分仅仅是冰山一角，实际还有更多，可能别人会提供更好的理解或更全面的答案。

2. 看一眼觉得不会，等别人写答案，看现成的就是了。

错误原因：别人的答案是别人的理解，自己看一遍不等于自己理解了。这种看现成答案的做法相当于看二手信息，始终不会形成自己的理解能力。

征稿通知：欢迎可以写以下内容的朋友联系我（关注公众号CV技术指南可获取联系方式）。

1. TVM入门到实践的教程
2. TensorRT入门到实践的教程
3. MNN入门到实践的教程
4. 数字图像处理与Opencv入门到实践的教程
5. OpenVINO入门到实践的教程
6. libtorch入门到实践的教程
7. Oneflow入门到实践的教程
8. Detectron入门到实践的教程
9. CUDA入门到实践的教程
10. caffe源码阅读
11. pytorch源码阅读
12. 深度学习从入门到精通（从卷积神经网络开始讲起）
13. 最新顶会的解读。例如最近的CVPR2022论文。
14. 各个方向的系统性综述、主要模型发展演变、各个模型的创新思路和优缺点、代码解析等。
15. 若自己有想写的且这上面没提到的，可以跟我联系。

声明：有一定报酬，具体请联系详谈。若有想法写但觉得自己能力不够，也可以先联系本人（微信号：FewDesire）了解。添加前请先备注“投稿”。

欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。