天池：零样本目标识别新手笔记2

最新推荐文章于 2024-06-10 12:10:07 发布
最新推荐文章于 2024-06-10 12:10:07 发布
阅读量1.6k 收藏 2
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/82686092
版权

所用思路和上一个差不多，本篇基于天池论坛的这篇文章：Keras多分类联合训练+欧式距离迁移映射 ，并做了自己的处理。线上精度0.0905。

  • 没有构造如 'non_1'的特征，直接使用如原来的全0特征表示，并对每类特征除和
  • 使用的vgg16

处理后的特征文件如下：
这里写图片描述

模型的关键之处在于：
这里写图片描述
该部分主要代码如下：

def normalline(data):

    for i,cs in enumerate(np.sum(data,axis=1).values):
最低0.47元/天 解锁文章
lsh呵呵
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
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
天池：铝型材表面瑕疵识别比赛第10名 算法分享&github链接-附件资源
03-02
天池：铝型材表面瑕疵识别比赛第10名 算法分享&github链接-附件资源
天池广东工业智造大数据创新大赛--铝型材表面瑕疵识别 --top1方案
qwj的博客
12-08 1253
天池广东工业智造大数据创新大赛--铝型材表面瑕疵识别 --top1方案 共同启动“广东工业智造大数据创新大赛”，旨在通过数据开放召集全球众智，将重点围绕工业制造大数据展开，以应用为导向，聚集全球顶级人才，发掘全球先进的智能制造应用成果，为政府下一步产业引进和招商引资提供辅助决策，促进广东智能制造产业发展。大赛分智能算法赛和应用创新赛2大赛场。智能算法赛以“铝型材表面瑕疵识别”为主题，选择佛山市南海区 铝型材标杆企业的真实痛点作为赛题场景，寻求解决方案，助力企业实现转型升级，提升行业竞争力。 天池广
目标检测分割大模型—零样本实现目标检测/图像分割/目标跟踪
最新发布
weixin_43825188的博客
06-10 1213
Grounding DINO 1.5 在其前身 Grounding DINO 的基础上，通过结合更大的视觉 backbone 扩大模型尺寸，并使用超过2000万的 Grounding 数据获得了丰富的语料，大幅提升了检测精度和速度，且通过Pro和Edge版本分别针对不同应用场景进行了优化。相反，视觉提示提供了一种更直观、更直接的对象表示方法。如工业生产流水线器件检测，交通航运领域的船舶、飞机检测，农业领域的农作物、果蔬检测，生物医学领域的细胞、组织检测，物流领域的货物检测，环境领域的野生动物监测等。
天池：零样本目标识别新手笔记
lsh呵呵
09-05 6362
2018之江杯全球人工智能大赛-零样本图像目标识别 简单数据分析 源码：github地址
毕业设计-深度学习机器视觉铝型材表面缺陷识别
Hai_Lang_IT的博客
12-05 1595
毕业设计-深度学习机器视觉铝型材表面缺陷识别:铝型材作为建筑和机械工业领域中重要的应用材料，其全行业的产量和消费量在世界范围内逐年递增。铝型材在生产过程中，由于材料特性和加工工艺，不可避免存在表面缺陷，严重影响铝型材的可靠性、安全性和可加工性。在实际生产中，对铝型材表面缺陷进行准确快速识别，对保证铝型材的质量至关重要。传统的铝型材表面缺陷识别方法包括涡流检测法、超声导波检测及红外检测法等识别成本高、设备复杂，且不易实现缺陷识别过程的可视化。机器视觉检测作为一种非接触式在线自动检测技术，具有非接触、安全性高、
理解图像分类和零样本目标识别的区别
老鹰的博客
08-07 3047
图像分类和零样本目标识别有啥不同？ 图像分类 拿12306火车票图片来说吧，总共80种，比如其中一类为红枣，给你100个红枣的图片，尽管这100个红枣的图片千差万别，但都是红枣，机器就拿这100个样本学习并记住其特征,比如红色的、椭圆的，表皮有褶皱的等等。 同样，对于另外79种，也一样操作，学习完成了，你给一张图片,给机器识别，机器提取该张图片的特征后，在学习过的80种中间挑出机器认为概率...
【表面缺陷检测】铝型材表面缺陷检测数据集介绍（含xml标签文件）
学无止境、积少成多、厚积薄发
10-26 2084
【表面缺陷检测】铝型材表面缺陷检测数据集介绍（含xml标签文件）
阿里天池 ：二手车价格预测比赛
05-30
数据可以在官网下载 方案与文件
阿里天池 Tensorflow2.0 教程笔记：神经网络.md
09-04
MNIST手写数字识别网络说明
毕业设计-基于深度学习的铝型材表面缺陷识别系统 YOLO python 卷积神经网络 人工智能
2301_79555157的博客
12-02 1209
毕业设计-基于深度学习的铝型材表面缺陷识别系统的毕业设计。该系统利用深度学习算法，通过对铝型材表面图像进行分析和处理，能够高效准确地检测和识别铝型材的各种表面缺陷，如凹陷、划痕等。通过设计和实现该系统，可以提高铝型材生产过程中的质量控制效率和准确性，减少人工检测的工作量，避免因人为因素导致的误判和漏检。绍了系统的整体架构和关键技术，包括数据集的构建、深度学习模型的选择和训练方法等。实验结果表明，该系统在铝型材表面缺陷识别方面具有较高的准确率和鲁棒性，具有广阔的应用前景和推广价值。
缺陷检测数据集2,带定位标签
12-28
缺陷检测数据集，带标签。数据量500+。从网站上下载的。
图像处理在仪表识别和布匹瑕疵检测中的应用
02-06
图像处理在仪表识别和布匹瑕疵检测中的应用
零样本图像识别综述论文.pdf
04-04
深度学习在人工智能领域已经取得了非常优秀的成就，在有监督识别任务中，使用深度学习算法训练海量的带标签数据，可以达到前所未有的识别精确度。但是，由于对海量数据的标注工作成本昂贵，对罕见类别获取海量数据难度较大，所以如何识别在训练过程中少见或从未见过的未知类仍然是一个严峻的问题。
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...
Zero Shot | 一文了解零样本学习
热门推荐
zenRRan的博客
01-11 1万+
每天给你送来NLP技术干货！来源｜知乎 作者｜恒大大地址｜https://zhuanlan.zhihu.com/p/142057964报道｜人工智能前沿讲习网上有一些关于零样本学习的讨论...
零样本学习的相关概念——综述
kuxingseng123的博客
11-14 2585
慢慢的将零样本学习全部都给搞透彻，研究彻底，慢慢的将其研究透彻！
项目案例：基于 YOLO 的铝型材表面缺陷识别
小白学视觉
03-25 1123
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达导读针对铝型材表面缺陷快速准确检测的需求，本文提出一种基于 YOLO 深度学习模型的铝型材表面缺陷识别方法。而建立基于 YOLO 的铝型材表面缺陷识别模型，通过增加模型预测尺度，提高对微小缺陷的识别能力。通过多尺度训练方法，增强模型对不同尺度缺陷的适应性和识别精度。铝型材作为建筑和机械工业领域中重要的应用材料，其全行业的产量和消...
天池CV学习赛：街景字符识别
09-03
街景字符识别是指对街景图片中的字符进行识别的任务。在这个任务中，我们需要将图片中的字符进行分类，以实现文字的识别和理解。在这个比赛中，图片中包含的字符数量不等，有的图片的字符个数为2，有的为3，有的为4。简单入门思路是使用定长字符识别的方法，将所有图片都抽象为一个固定长度的字符序列进行识别。而专业分类思路是使用检测再识别的方法，将赛题抽象为一个定长字符识别问题，将所有图像都填充为6个字符的序列，然后进行字符分类。另外，在字符识别研究中，还有一种常用的方法是CRNN字符识别模型，它可以用来解决不定长的字符识别问题。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
评论 1
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