cv
lcx_nanmu
这个作者很懒,什么都没留下…
展开
-
零基础入门cv赛事街道字符识别----Task5模型集成
Datawhale 零基础入门CV赛事-Task5 模型集成文章目录Datawhale 零基础入门CV赛事-Task5 模型集成5 模型集成5.1 学习目标5.2 集成学习方法5.3 深度学习中的集成学习5.3.1 Dropout5.3.2 TTA5.3.3 Snapshot5.4 结果后处理5.5 本章小节参考在上一章我们学习了如何构建验证集,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原创 2020-06-02 22:29:07 · 221 阅读 · 0 评论 -
零基础入门cv赛事街道字符识别----Task4模型训练与验证
文章目录4 模型训练与验证4.1 学习目标4.2 构造验证集训练集(Train Set):模型用于训练和调整模型参数;验证集(Validation Set):用来验证模型精度和调整模型超参数;测试集(Test Set):验证模型的泛化能力。留出法(Hold-Out)交叉验证法(Cross Validation,CV)自助采样法(BootStrap)4.3 模型训练与验证4.4 模型保存与加载4.5 模型调参流程4.6 本章小节参考在上一章节我们构建了一个简单的CNN进行训练,并可视化了训练过程中的误差损失原创 2020-05-30 21:25:42 · 436 阅读 · 1 评论 -
零基础入门cv赛事街道字符识别----Task3构建字符识别模型 (卷积神经网络 Convolutional Neural Network, CNN)
在前面的章节,我们讲解了赛题的背景知识和赛题数据的读取。本章开始构建一个字符识别模型,基于对赛题理解本章将构建一个定长多字符分类模型。3 字符识别模型本章将会讲解卷积神经网络(Convolutional Neural Network, CNN)的常见层,并从头搭建一个字符识别模型。3.1 学习目标学习CNN基础和原理使用Pytorch框架构建CNN模型,并完成训练3.2 CNN介绍卷积神经网络(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,精原创 2020-05-26 22:46:52 · 228 阅读 · 0 评论 -
零基础入门cv赛事街道字符识别----Task2数据读取与数据扩增
文章目录数据读取与数据扩增1.学习目标2.图像读取2.1 Pillow2.2 OpenCV3.数据扩增方法3.1 数据扩增介绍数据扩增为什么有用?有哪些数据扩增方法?3.2 常见的数据扩增方法3.3 常用的数据扩增库torchvisionimgaugalbumentations4.Pytorch读取数据4.1 代码补充解释5 本章小节参考在上一章节,我们给大家讲解了赛题的内容和三种不同的解决方案。从本章开始我们将逐渐的学习使用【定长字符识别】思路来构建模型,逐步讲解赛题的解决方案和相应知识点。数据读取与原创 2020-05-23 17:50:32 · 601 阅读 · 1 评论 -
零基础入门CV之街道字符识别----Task1赛题的理解
Datawhale 零基础入门CV赛事-Task1 赛题理解本章内容将会对街景字符识别赛题进行赛题背景讲解,对赛题数据的读取进行说明,并给出集中解题思路。1 赛题理解赛题名称:零基础入门CV之街道字符识别赛题地址:零基础入门CV赛事- 街景字符编码识别赛题目标:通过这道赛题可以引导大家走入计算机视觉的世界,主要针对竞赛选手上手视觉赛题,提高对数据建模能力。赛题任务:赛题以计算机视觉中字符识别为背景,要求选手预测街道字符编码,这是一个典型的字符识别问题。为了简化赛题难度,赛题数据采用公开数据集原创 2020-05-20 21:51:19 · 310 阅读 · 1 评论