含噪数据的有效训练,谷歌地标图像检索竞赛2020冠军方案解读

2020年谷歌地标图像检索冠军SeungKee Jeon分享了他的解决方案,包括使用EfficientNet+GAP+DNN的模型结构,度量学习策略,以及在含噪数据集GLD2和清理后的CGLD2间交替训练的方法,证实了噪声数据在训练中的有效性。他还通过调整输入分辨率提高精度,并采用简单的模型集成策略取得优异成绩。
摘要由CSDN通过智能技术生成

2020年谷歌地标图像检索竞赛(Google Landmark Retrieval 2020)是今年举行的大型图像检索算法竞赛,该比赛在Kaggle 竞赛平台进行,吸引了全球541支团队参赛,最终来自韩国三星电子的一位软件工程师 SeungKee Jeon获得冠军。

下图即最终的排行榜:

近日,SeungKee Jeon 撰写论文 1st Place Solution to Google Landmark Retrieval 2020 详细描述了获胜方案。

虽然三星员工获得了冠军,但作者在引脚注明,其实他是在无薪休假一年时顺便打了这

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值