飞桨AI识虫竞赛讲解学习笔记
在百度AI Studio有一门非常好的课——百度架构师手把手带你零基础实践深度学习。学习地址:https://aistudio.baidu.com/aistudio/education/group/info/1297。
这是我在这学习的第三周,前两周有预习课程、零基础入门深度学习、一个案例吃透深度学习、计算机视觉、目标检测YOLO-V3。现在,激动人心的时刻到了,操练一把!前面的知识学得好不好,扎实不扎实,领会没领会,拉出来溜溜就知道。参加比赛吧——AI识虫。
两周前我还是小白,现在就要参加比赛,心里有没有底?不免有点犯犹豫。没关系,百度金牌讲师李老师开设《AI识虫调优分享与解析》课程,带你拨开层层迷雾,给你指点迷津,帮你答疑解惑,助你实现从理论到实践的提升。
我整理的学习笔记如下,愿和大家分享,请大家多多请教。
课程分为五部分内容:任务描述与解析、数据处理、模型设计与选择、调优方法、后处理。
1.任务描述与解析
任务是这样的,从图片中识别出虫子的位置、类别和置信度得分。
2.数据处理
数据量太小怎么办?数据增强来帮忙。常见的数据增强方法如下图所示,翻转、噪声、旋转、裁剪、缩放/拉伸、模糊,另外还有更改图像亮度、对比度、饱和度等等。具体实现可调用cv2图像处理库里的函数。
做了数据增强有以下好处:
- 增加数据量
- 采集更多的图像特征
- 使网络可见更多的数据,提高模型泛化能力
3.模型设计与选择
前两周的课程里学习了目标检测算法Yolo-V3。还有没有其他的算法,李老师从模型选择、模型改进等不同角度进行了讲解。
3.1 模型选择
3.2 模型改进
可以从哪些方面改进模型:backbone结构、特征融合、损失。
3.2.1 backbone结构
3.2.2 特征融合
3.2.3 损失
4.调优方法
如何对模型调优?模型训练时要注意三个问题:
- 防止梯度消失、梯度爆炸
- 防止网络过拟合
- 防止网络训练不稳定、不收敛
4.1 防止梯度消失和梯度爆炸
有以下5种方法:
4.2 防止网络过拟合
有以下4种方法:
5. 后处理
常见的后处理方法有:
- 模型融合
- 测试结果融合
- 根据实际任务进行改进
6. 小结
感谢百度,感谢飞桨,感谢各位老师的辛勤付出,感谢各位同学的陪伴和交流。21天带学活动《百度架构师手把手带你零基础实践深度学习》进入尾声,以比赛的形式收官。
实践是检测真理的唯一标准。
实践得真知。
读万卷书,行万里路。
一起来比赛吧,既是对知识的总结,也是对能力的提升。加油!
比赛地址如下:https://aistudio.baidu.com/aistudio/competition/detail/24