天池零样本：禁止使用外部图片数据/预训练模型进行竞赛的原因

最新推荐文章于 2024-01-10 19:36:22 发布
最新推荐文章于 2024-01-10 19:36:22 发布
阅读量659 收藏
点赞数
分类专栏： python与人工睿智 机器学习入门与放弃
≧◔◡◔≦ 如觉得有所帮助，请点个✌赞或关注✌。转载请注明出处。 ≧◔◡◔≦
本文链接：https://blog.csdn.net/nima1994/article/details/82656412
版权

既然是零样本分类，在测试集中并不希望出现参与训练的类别实例，如果我们使用预训练模型，比如基于Imagenet数据集的，难保测试集中的骡子没有在ImageNet中出现过，外部数据同理。

如果如题（使用外部图片数据/预训练模型进行竞赛），自然会导致测试集结果的提高，但已经不是零样本的问题了。

是吧。。。

lsh呵呵
关注
专栏目录
预训练PDF数据格式转换
herosunly的博客
08-12 3万+
本文主要介绍了预训练PDF数据格式转换，希望对使用大语言模型的同学们有所帮助。 文章目录 1. 前言 2. PDF数据格式转换
预训练网页数据爬取与预处理
最新发布
herosunly的博客
08-04 5万+
本文主要介绍了预训练网页数据爬取与预处理，希望对使用大语言模型的同学们有所帮助。 文章目录 1. 前言 2. 数据爬取与预处理
阿里天池之江杯零样本图像目标识别Top1%方案分享
small_ARM的专栏
11-07 6129
比赛结束了一周多了，历时近三个月，也是我第一次做零样本识别。名次是32/3224，虽然不太满意，但学到了很多东西。在这篇博文做一次总结，并将公开我们的代码。 零样本识别概念 零样本识别不同于传统的分类识别，传统的分类识别所有的label以及每个label对应的图像都可以用来训练，而且训练一个较好的分类器通常需要大量的训练图像。零样本识别的训练集并不包含测试集的label，因此需要识别一个从来没有见...
Python-2018之江杯全球人工智能大赛零样本图像目标识别
08-11
2018之江杯全球人工智能大赛 - 零样本图像目标识别
零样本目标检测：鲁棒的区域特征合成器用于目标检测（附论文下载）
gzq0723的博客
01-19 521
关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式论文地址：https://arxiv.org/pdf/2201.00103....
之江杯2020零样本目标分割题参赛总结
Brikie的博客
12-29 1132
文章目录一、赛题简介二、ZS3Net简介三、我的tricks四、总结 比赛链接：https://zhejianglab.aliyun.com/entrance/531816/rankingList。我最终排名第四，这是综合决赛第一轮、第二轮和答辩成绩的排名，实际上我最后决赛第二轮线上成绩已达到第二。和商业赛不同，之江杯更关注学术问题，这个赛题也比较前沿，报名团队只有三百多个，但看最后的决赛名单就知道，来的多是非常专业的团队。当然我渣依然solo参赛，最后居然冲到了前排，连自己都没想到，实属幸运。 ..
模型能力赋能搜索——零样本分类（Zero-Shot Classification）在搜索意图识别上的探索
Angus
12-09 1164
从测试用例来看，Zero-Shot Classification分类效果还是很不错的。可以使用该模型，进行问题意图识别的。因为搜索框，对话框，被传进来的内容类型是未知的。但是不同类型的问题，去到不同的分支上，Zero-Sh效果一定是最好的。就像上边的测试案例。通过模型，可以推测出来，输入框的内容到底是什么意图，是总结任务？还是摘要任务？还是问答任务？ 在模型中，我们只需要去定义已知的和能够处理的分支即可。轻松利用模型的能力，来做意图识别。当然这是一个初步的探索。想要获得更好的效果，还会要进行模型调优的。
大语言模型应用：RAG、NL2SQL、聊天机器人、预训练、MOE混合专家模型、微调训练、强化学习、天池数据竞赛.zip
07-20
对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。 【沟通交流】：有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。鼓励下载和使用，并欢迎大家互相学习，共同...
天池大数据竞赛数据集.zip
01-28
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考资料学习借鉴。...天池大数据竞赛数据集.zip
阿里云-天池数据分析竞赛：汽车产品聚类分析.zip
10-22
【标题】阿里云天池数据分析竞赛：汽车产品聚类分析 在大数据时代，数据分析成为企业决策的重要工具，尤其是在汽车行业中，通过对汽车产品的深入分析，可以洞察消费者需求、优化产品设计和提升市场竞争力。阿里云...
天池实验室入门学习-数据集
03-09
实验室入门学习 train.csv
目标检测模型（不用在ImageNet上预训练）
zchang81的博客
08-19 1万+
DSOD模型不仅参数更少（适合于手机、无人机等资源受限的设备）、性能更强，更重要的是不需要在大数据集（如ImageNet）上预训练，使得DSOD的网络结构设计非常灵活，根据自己的应用场景可以设计自己所需要的网络结构。
目标检测应用竞赛 | 天池铝型材表面瑕疵（含数据集、详细解决方案）
AI算法修炼营的博客
03-10 1万+
点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货目标检测应用竞赛——天池铝型材表面瑕疵数据集下载链接：https://tianchi.aliyun.com/compet...
深度学习算法应用实战 | 利用 CLIP 模型进行“零样本图像分类”
YOLOv8项目贡献者
01-10 4428
零样本图像分类第一篇！
20185110054CSL组(天池大赛>MTWI 2018 挑战赛一：网络图像的文本识别)
NUDTDING2019的博客
06-26 2725
简介 基于Tensorflow和Keras实现端到端的不定长中文字符检测和识别 文本检测：CTPN 文本识别：DenseNet + CTC 环境部署（基于Ubuntu操作系统） sh setup.sh 即： pip install numpy scipy matplotlib pillow pip install easydict opencv-python keras h5py PyYAM...
怎么为小数据集划分训练集和测试集
修炼之路
01-20 1万+
前言 要想训练一个好的深度学习模型需要大量的数据，只有当你收集到足够多的数据构成训练集时，算法的效果最好。有时候我们很难收集到足够多的数据，为了解决数据量的问题，其实我们可以爬虫或购买数据等手段来获取大量的数据。这样会导致训练集和测试集存在差异，所以在划分数据集的时候需要掌握一些技巧。本篇文章的主要内容来自deeplearning.ai 示例说明 问题描述 你想开发一个APP，当用户上传...
天池：铝型材表面瑕疵识别比赛第10名 算法分享&github链接
Yeah的小家～
11-16 9459
天池：铝型材表面瑕疵识别比赛第10名 算法分享【更新ing】github链接赛季排名算法说明初赛复赛 github链接 https://github.com/YeahHuang/Al_surface_defect_detection （持续更新ing） 赛季排名 初赛： 96/2972 复赛： 10/2972 算法说明 初赛 感觉基本就是靠搬运大佬的代码，飘过了初赛。这里非常感谢 herbert-...
【NLP挑战赛】：2、基于现有数据进行预训练语言模型的预训练
Jack_Kuo的博客
08-12 492
如题，我们在参加一些比赛的时候，有一些数据是特定预料，我们在后续使用预训练模型的之前可以针对这部分数据先进行语言模型的再训练。 这个过程分为两步： 1、数据处理 将train，dev(如果有的话)，test 数据处理成MLM模型可以加载的形式。 import warnings import pandas as pd warnings.filterwarnings('ignore') train_data = pd.read_csv('data/chinese_question_sim/train.csv
干货满满~阿里天池目标检测保姆级教程
qq_40662074的博客
03-21 4419
老司机手把手教学准备设备技术目标检测相关论文数据分析——数据特殊性质目标检测算法的选择模型预训练调参比赛心态答疑环节 郑烨 中科院计算所博士生在读，研究方向为FSOD。CV比赛奖项收割者，有较为丰富的目标检测比赛经验。 录播链接：https://tianchi.aliyun.com/course/video?liveId=41141 准备 设备 显卡：英伟达公司，支持cuda和cudnn的加速，很...
怎么用阿里天池使用yolox模型训练自己的数据集
05-13
使用阿里天池进行 YOLOX 模型训练的步骤如下： 1. 注册并登录阿里天池平台，进入 YOLOX 模型训练页面。 2. 在页面上找到“创建比赛”按钮，点击创建一个新的比赛项目。 3. 在比赛项目中上传自己的数据集，数据集...
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