![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
天池竞赛
胡胡胡胡胡胡
啦啦啦
展开
-
Datawhale 零基础入门CV赛事-Task5 模型集成
之前了解了如何构建验证集,如何训练和验证。本章作为本次赛题学习的最后一章,将会讲解如何使用集成学习提高预测精度。 5 模型集成 本章讲解的知识点包括:集成学习方法、深度学习中的集成学习和结果后处理思路。 5.1 学习目标 学习集成学习方法以及交叉验证情况下的模型集成 学会使用深度学习模型的集成学习 5.2 集成学习方法 在机器学习中的集成学习可以在一定程度上提高预测精度,常见的集成学习方法有Stacking、Bagging和Boosting,同时这些集成学习方法与具体验证集划分联系紧密。 由于原创 2020-06-02 11:10:28 · 101 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task4-模型训练与验证
本次的学习目标则与以下两点: 理解验证集的作用,并使用训练集和验证集完成训练 学会使用pytorch环境下的模型读取和加载,并理解调参的流程 样本集 训练集(Train Set):模型用于训练和调整模型参数 测试集(Test Set):验证模型的泛化能力 验证集(Validation Set):用来验证模型精度和调整模型超参数 验证集划分方法 留出法(Hold-Out) 直接将训练集划分成两部分,新的训练集和验证集。 优点:简单 缺点:有可能导致模型在验证集上过拟合 应用:数据量比较大的情况原创 2020-05-29 16:08:54 · 203 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task3 字符识别模型
本文讲解卷积神经网络(Convolutional Neural Network, CNN)的常见层,并从头搭建一个字符识别模型。 CNN网络 卷积神经网络(简称CNN)是一类特殊的人工神经网络,是深度学习中重要的一个分支。CNN在很多领域都表现优异,精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域,CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。 CNN每一层由众多的卷积核组成,每个卷积核对输入的像素进行卷积操作,得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野,并缩减图原创 2020-05-26 20:19:17 · 158 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增
赛题名称:零基础入门CV赛事-街道字符识别(天池) 赛题地址:https://tianchi.aliyun.com/competition/entrance/531795/introduction 赛题任务:以计算机视觉中字符识别为背景,要求预测街道字符编码。赛题数据采用公开数据集SVHN,可以参考不定长字符识别的思路(crnn)。 第二阶段任务:数据读取与数据扩增 1. 目的 实现图片的数据读取与数据扩增和Pytorch读取赛题数据 2. 学习目标 学习Python中Pillow、OpenCV中.原创 2020-05-23 15:27:05 · 218 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task1 赛题理解
赛题名称:零基础入门CV赛事-街道字符识别(天池) 赛题地址:https://tianchi.aliyun.com/competition/entrance/531795/introduction 赛题任务:以计算机视觉中字符识别为背景,要求预测街道字符编码。赛题数据采用公开数据集SVHN,可以参考不定长字符识别的思路(crnn)。 数据的简单说明:该数据来自收集的SVHN街道字符,并进行了匿名采样处理。训练集数据包括3W张照片,验证集数据包括1W张照片,每张照片包括颜色图像和对应的编码类别和具体位置;原创 2020-05-20 12:47:54 · 147 阅读 · 0 评论