![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CV基础学习
evenson1
这个作者很懒,什么都没留下…
展开
-
CV基础-模型集成
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。由于深度学习模型一般需要较长的训练周期,如果硬件设备不允许建议选取留出法,如果需要追求精度可以使用交叉验证的方法。下面假设构建了10折交叉验证,训练得到10个CNN模型。那么在10个CNN模型可以使用如下方式进行集成:对预测的结果的概率值进行平均,然后解码为具体字符;对预测的字符进行投票,得到最终字符。深度学原创 2020-06-02 21:37:47 · 235 阅读 · 0 评论 -
CV-模型训练与验证
构建验证集模型训练和验证模型保存与加载模型调参构造验证集验证集存在的原因评估模型的重点在于将可用数据还分为三个部分:训练集(training set)、验证集(validation set)和测试集(test set)。在训练集上面训练模型,并且在验证集上面评估模型。一旦模型被准备好,最后就在测试集上面测试模型。 不这样做的原因在于,开发一个模型通常需要我们去调整模型的配置:例如,选择最佳的全连接层数或者每一层的节点数(这些被称之为模型的超参数,以区分于模型自身的参数,如:模型的权重和偏.原创 2020-05-30 23:20:00 · 1525 阅读 · 0 评论 -
CV基础-字符识别模型
CNN学习网站:CNN历史和强化学习(强推):https://blog.csdn.net/jiaoyangwm/article/details/80011656?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachi原创 2020-05-28 12:01:03 · 272 阅读 · 0 评论 -
CV基础-数据读取与数据扩增
定长字符识别构建模型3.数据读取与数据扩增主要内容为数据读取、数据扩增方法和Pytorch读取赛提数据。3.1 图像读取提供数据为图像数据,目的是识别图像中的字符,应先对需要完成对数据的读取操作,常见的有Pillow和OpenCV.3.1.1 Pillow详细的基础操作可见:https://www.liaoxuefeng.com/wiki/1016959663602400/1017785454949568对应文档:https://pillow-cn.readthedocs.io/zh_CN/原创 2020-05-23 22:22:28 · 325 阅读 · 0 评论 -
CV基础-调试环境&Baseline
运行环境及安装前言将不定长字符转换为订场字符的识别问题,并使用CNN完成训练和验证:赛题数据读取(封装为Pytorch的DataLoder)构建CNN模型(使用Pytorch)模型训练与验证模型结果预测环境安装1.现在Anaconda中创建一个专门用于本次练习的虚拟环境。conda create -n py37_torch131 python=3.7检查更新当前condaconda update conda2.激活环境并安装pytorch1.3.1#windows: ac原创 2020-05-20 23:04:39 · 454 阅读 · 0 评论