2020-08-27

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：

1. 增加数据量
2. 采集更多的图像特征
3. 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：

1. 防止梯度消失、梯度爆炸
2. 防止网络过拟合
3. 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：

1. 模型融合
2. 测试结果融合
3. 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