比赛
文章平均质量分 83
*pprp*
GiantPandaCV公众号作者,研究方向automl,nas
展开
-
2021 BDCI 华为零售商品识别竞赛一等奖方案分享
【GiantPandaCV导语】上学期快结束的时候参加了华为和CCF组织的零售商品识别的比赛,队伍名称为GiantPandaCV队,比赛大约持续了两个月,期间从开始摸索MindSpore框架,配置环境,上手ModelArts花费了不少功夫。现在比赛终于告一段落,本文进行一下复盘。背景CCF大数据与计算智能大赛(CCF Big Data & Computing Intelligence Contest,简称CCF BDCI)由中国计算机学会于2013年创办。大赛由国家自然科学基金委员会指导,是大.原创 2022-01-26 09:25:13 · 580 阅读 · 2 评论 -
【分类技巧】Fixing the train-test resolution discrepancy
【GiantPandaCV导语】调研分类方法的时候师姐推荐的一篇paper,其核心是训练的时候使用小分辨率,测试的时候使用大分辨率(训练分辨率的1.15倍),能够有效提升验证精度。MotivationImageNet数据集分类模型通常采用的数据增强方式会导致训练时和测试时的模型看到的目标尺寸出现差异。即训练分辨率的降低可以一定程度上提高测试阶段的精度。举个例子:图一:原先的ImageNet训练方法上图代表训练阶段图片处理流程:训练阶段主要通过随即选择一块矩形区域,然后resize到224固定大小原创 2021-11-08 16:47:21 · 1152 阅读 · 0 评论 -
libpng warning iCCP 错误处理方法
png图片缺乏某些库,导致损坏,或者多余了一些数据会导致以下报错:libpng warning: iCCP: known incorrect sRGB profilelibpng warning iccp extra compressed data一些可能的解决方案:已有方案来自:https://blog.csdn.net/qq_37924224/article/details/119181028libpng 1.6及以上版本增强了ICC profiles检查,所以发出警告。从 PNG 图像原创 2021-10-30 19:18:55 · 4590 阅读 · 0 评论 -
天池竞赛-布匹缺陷检测baseline提升过程-给yolov5模型添加注意力机制
这次比赛选择了官方提供的baseline yolov5进行训练,一开始使用的是yolov5s.yml配置文件进行训练的,并且数据也只是train2一小部分,由于笔者这里服务器只有一个1080Ti的可以使用,所以实验跑起来速度还是有点慢的,做的尝试也不是很多,下面是流水账。第一次提交就是使用了train2部分数据集,设置了50个epoch,使用迁移学习,分辨率设置为500x500,花费大概2个小时训练完成。这个成绩的acc还不错,是因为conf thresh设置的值比较低,所以acc可以达到比较高的结果。原创 2021-02-25 18:23:07 · 14595 阅读 · 96 评论 -
天池热身赛-布匹瑕疵目标检测
1、检测代码代码源自datawhale官方提供baseline: https://github.com/datawhalechina/team-learning-cv/tree/master/DefectDetection数据处理代码都写好了,太感动了 _baseline使用的是yolov5,我的显卡只有一个1080Ti,所以先选择yolov5s进行训练,设置训练50个epoch, 图片大小设置为512x512。这部分内容主要参考了https://blog.csdn.net/qq_26751117/原创 2021-02-20 23:39:17 · 3945 阅读 · 14 评论