布匹检测Baseline学习及改进

最新推荐文章于 2022-03-29 14:13:58 发布
最新推荐文章于 2022-03-29 14:13:58 发布
阅读量219 收藏 3
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hello_fengfeng/article/details/114108486
版权

Baseline提分教程

改进思路(未 一 一尝试)

  • 首先可以通过增加epoch进行训练，来确定最终损失不变的临界点，防止训练过拟合。

  • 官方还给出了相关的train1，trian2数据，可以利用那些数据加入到训练集中，增加训练样本

  • 数据扩增：训练样本扩增随机竖直/水平翻折，色彩空间增强，使缺陷样本均匀

  • 自适应anchor策略

  • 适当减少回归框损失的权重

  • 正负样本类别

  • 多尺度训练

  • 空洞卷积替换FPN最后一层

  • FPN改进尝试：NAS-FPN、AC-PFN

  • Anchor 匹配策略

排名

初始

initiate_rand.jpg

改进后

改进后

hello_fengfeng
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
天池布匹疵点智能识别【热身赛一】
qq_39902264的博客
02-22 429
天池布匹疵点智能识别【热身赛一】 Task–1 1.下载Baseline获取基础分数 Baseline中存在部分问题，导致无法运行 缺乏对应yolov5权重，记得自行下载 需对对应train.py和process_data_yolo.py文件进行修改，具体可见赵佬博客 2.配置Docker环境（采用Docker Desktop） 出现问题如下： SwitchDaemono原因：未安装WSL2 解决方法：根据提示将系统更新至1909版本及以上，在Store中安装Linux内核，这里我个人安装的
全球人工智能技术创新大赛——布匹疵点智能识别
love1005lin的博客
02-25 1127
主要代码参考了https://github.com/datawhalechina/team-learning-cv/tree/master/DefectDetection的baseline，使用的YOLOv5系列模型。 数据预处理： train.sh文件中，第二步使用了process_data_yolo.py，源码中关于数据集存放位置存在问题，只写了对于val的处理，没写train的处理，所以生成的process_data文件夹中， 只有val而没有train，训练时会报错。 所以不能直接用train.s
【热身赛一】baseline改进的思路
qq_38018994的博客
02-25 331
全球人工智能技术创新大赛【热身赛一】baseline改进的思路（只是思路，因为目前没时间搞 1、首先是类别不均衡的问题（论文可以参考A systematic study of the class imbalance problem in convolutional neural networks）这个肯定是要首要解决的 即使Pytorch中已经有很多线上的数据增强方式，但是线上的增强方式会导致目标检测box的变化，而线下的方式可以直接修改box的坐标，从而达到更好的效果 目前的思路是这样： 因为
xray安全漏洞检测（高效能）
一夜白头催人泪
03-29 1万+
风险告知： 请勿在未授权情况下，对网站进行安全扫描，存在很大的法律风险，详细请了解网络安全法。 血的案例："白帽黑客"找漏洞被抓引争议世纪佳缘否认"钓鱼"--传媒--人民网 在正式运行xray生成配置文件config.yaml后， 请优先修改配置项，确认扫描范围，再重新启动xray 如不预先配置，默认扫描所有站点，存在非常大的法律风险，请知悉！！！ xray 是一款功能强大的安全评估工具，主要特性有: 检测速度快。发包速度快; 漏洞检测算法高效。 支持范围广。大至 OWASP To.
猫脸关键点检测Baseline【阿水】
机器学习初学者必看，关注我，一起了解机器学习
02-18 1894
关键点检测是许多计算机视觉任务的基础，例如表情分析、异常行为检测。大家接触最多的可能是人脸关键点检测，广泛应用于人脸识别、美颜、换妆等。 本次AI研习社举办猫脸关键点检测，训练集有10468张，测试集9526张，目标是检测猫脸的9个关键点。其实我在读书期间就看到过这个猫脸数据，来自CUHK。猫脸关键点检测也是比较新的一个方向，例子比较直接，也非常方便用于例子讲解。 猫脸关键点和人脸关键点类似，每...
【比赛笔记】异常检测-二
qq_37194898的博客
02-25 468
1.代码参考 参考的baseline- yolov5修改版 相关训练调节笔记参见 链接 代码讲解视频参考 链接 2.环境安装 个人环境说明： win10 12g内存， nvidia gtx 1060, cuda10.1 注意： 本地训练使用的是pytorch == 1.7环境，其他安装包参见require.txt docker 中的 pytorch==1.4 （这个问题后续会说明） 因为官方的yolov5.pt权重是使用torch==1.7以上的，所以使用其他版本torch加载的时候会有问题，为了避免问题。
什么是baseline？release和build
u013176681的专栏
01-14 2656
软件研发和管理过程中会产生许许多多的工作成果，例如文档、程序和数据等，他们都应当妥善地保管起来，以便查阅和修改。如果把所有文件一股脑的塞进计算机里，那么使用起来很麻烦。 凡是纳入配置管理范畴的工作成果统称为配置项，配置项主要有两大类：一类是属于产品的组成部分，例如需求文档、设计文档、源代码、测试用例等等；另一类是在管理过程中产生的文档，例如各种计划、报告等。 每个配置项的主要属性有名称
什么是基线(Baseline)？
热门推荐
Charging Station
10-24 6万+
什么是基线(Baseline)？        基线是软件文档或源码(或其它产出物)的一个稳定版本,它是进一步开发的基础。所以,当基线形成后,项目负责SCM的人需要通知相关人员基线已经形成,并且哪儿可以找到这基线了的版本。这个过程可被认为内部的发布.至于对外的正式发布,更是应当从基线了的版本中发布。        基线是项目储存库中每个工件版本在特定时期
【简单易懂】Benchmark和baseline的区别！
qq_37791134的博客
12-11 3万+
作者：Anonymous 链接：https://www.zhihu.com/question/28823373/answer/101504099 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 Benchmark和baseline都有性能比较的意思。 先看看字典定义。 benchmark：N-COUNT A benchmark is something whos...
不再只有Yolo，现在轻量级检测网络层出不穷（框架解析及部署实践）
gzq0723的博客
08-21 1014
计算机视觉研究院专栏作者：Edison_GNanoDet总体而言没有特别多的创新点，是一个纯工程化的项目，主要的工作就是将目前学术界的一些优秀论文，落地到移动端的轻量级模型上。最后通过这些...
布匹缺陷检测(一)
qq_47777997的博客
02-21 2000
本次比赛的地址：https://tianchi.aliyun.com/s/fed26b0e90c5776e6b3d61cd5912a423 操作系统：centos7.3 1.Docker安装： 参考博客：https://blog.csdn.net/weixin_43246215/article/details/108934216 卸载旧版本 yum remove docker \ docker-client \ docker-clie
全球人工智能技术创新大赛【热身赛一】布匹疵点智能识别（基于mmdetection）
weixin_39800983的博客
02-22 1108
全球人工智能技术创新大赛【热身赛一】布匹疵点智能识别（基于mmdetection的docker配置及上传） 之前用yolov5参考上传了一次，但是想到自己用的比较多的是mmdetection，所以打算用mmdetection配置一次，再次练习一下docker的使用，PS:这次我使用的是cascade_rcnn模型。 一、Docker CE 及 nvidia-docker2 安装 具体请参考大佬的文章，很详细的：Ubuntu 18.04安装Docker CE及nvidia-docker2流程 二、数据的转换（
论文浅尝 - WWW2020 | 生成多跳推理问题以改善机器阅读理解能力
开放知识图谱
11-13 1584
论文笔记整理：谭亦鸣，东南大学博士生。来源：WWW 2020链接：https://dl.acm.org/doi/pdf/10.1145/3366423.3380114概述这篇论文关注的任...
从0梳理1场CV缺陷检测赛事！
Datawhale
02-19 442
↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：江保祥，厦门大学一、布匹缺陷检测比赛分析1. 赛题背景去年的...
AugFPN：改进多尺度特征学习用于目标检测
TJMtaotao的博客，高校计算机教师
12-31 9705
Chaoxu Guo1, Bin Fan1, Qian Zhang2, Shiming Xiang1, and Chunhong Pan1 1NLPR,CASIA 2Horizon Robotics 1{chaoxu.guo, bfan, smxiang, chpan}@nlpr.ia.ac.cn 2qian01.zhang@horizon.ai 本文工作是基于Faster R-CNN 的改进，...
qt练习控件label控件-lineEdit控件样例代码
最新发布
07-30
qt练习控件label控件-lineEdit控件样例代码
【JCR一区级】麻雀搜索算法SSA-CNN-LSTM-Attention故障诊断分类预测【含源码 5689期】.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-LSTM-Attention分类系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Attention分类 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Attention分类 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Attention分类 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Attention分类 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Attention分类
详解MATLAB Simulink通信系统建模与仿真
07-30
第1 章 MATLAB 基础与通信系统仿真 1.1 MATLAB 简介 1.2 MATLAB 程序设计 1.3 通信系统仿真 第2 章 Simulink 仿真基础 2.1 Simulink 简介 2.2 Simulink 工作环境 2.3 Simulink 仿真的基本方法 2.4 创建自己的模块库 2.5 S-函数的编写 第3 章 通信信号与系统分析 3.1 离散信号和系统 3.2 Fourier 分析 3.3 带通信号的低通等效 3.4 随机信号分析 第4 章 信道 4.1 加性高斯白噪声信道 4.2 多径衰落信道 第5 章 模拟调制 5.1 幅度调制 5.2 角度调制 第6 章 数字基带传输 6.1 概述 6.2 二进制基带信号传输 6.3 基带PAM 信号传输 6.4 带限信道的信号传输 第7 章 数字信号载波传输 7.1 概述 7.2 载波幅度调制（PAM） 7.3 载波相位调制（PSK） 7.4 正交幅度调制（QAM） 7.5 载波频率调制（FSK） 第8 章 信道编码和交织 8.1 概述 8.2 线性分组码
SCI一区】淘金算法GRO-CNN-BiLSTM-Mutilhead-Attention多变量时序预测含源码 5642.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-BiLSTM-Mutilhead-Attention回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-BiLSTM-Mutilhead-Attention回归预测 4.4.5 萤火虫算法FA/差分算法DE-CNN-BiLSTM-Mutilhead-Attention回归预测
列举近几年检测领域的baseline
05-05
以下是近几年检测领域的一些经典baseline： 1. Faster R-CNN：Faster R-CNN是目标检测领域的经典算法，采用了RPN网络来生成候选框，再通过ROI池化层将候选框映射到特征图上，最后通过分类器和回归器对候选框进行...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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