本文探讨了工业视觉中的目标检测重要性，介绍了如何通过论文中的技巧和天池大赛优胜方案提升模型精度，包括Image Mixup、标签平滑、数据预处理等方法，并提到了Cascade RCNN算法和数据增广、模型融合在实际比赛中的应用。同时，鼓励读者参与天池的工业视觉相关比赛以提升技术。
点击我爱计算机视觉标星，更快获取CVML新技术
目标检测是计算机视觉领域研究最火热的方向，这从计算机视觉顶会CVPR相关论文数量就能看得出来。
目标检测应用范围广泛，上至卫星遥感，下至自动驾驶，大到鲸鱼保护，小到生物细胞分析，都有其用武之地。
我们在论文中常见的MS COCO数据集，多以生活类自然场景中的目标为主，如下图：
做一个通用的目标检测器，当然很有意思，但在工业视觉领域有很多特定的目标，如果能解决好了，往往非常具有商业价值。
CV君有好几位朋友创业方向都选择了工业视觉，这个领域商业化模式清晰，足够垂直，国家也鼓励工业 4.0 。一套自动化的产品瑕疵（缺陷）检测系统，一年就可以帮工厂省几百万甚至上千万资金。
阿里天池平台曾经举办过大量的数据竞赛，让人印象深刻的计算机视觉比赛比如津南数字制造算法挑战赛【赛场二】X光图像的违禁物品检测分割，2018广东工业智造大数据创新大赛—智能算法赛铝型材表面瑕疵识别，和最近刚上线的百万奖金！天池发起广东工业制造创新大赛赛场一：布匹疵点智能识别ÿ
最低0.47元/天 解锁文章
1333
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
