- 博客(5)
- 收藏
- 关注
RSS订阅原创 【学习记录】零基础入门CV之街道字符识别-Task5 模型集成
模型集成这里写目录标题5.1 学习目标5.2 集成学习方法5.3 深度学习中的集成学习5.3.1 Dropout5.3.2 测试集数据扩增5.4 结果后处理 5.1 学习目标 1、学习集成学习方法以及交叉验证情况下的模型集成； 2、学会使用深度学习模型的集成学习。 5.2 集成学习方法 集成方法是将几种机器学习技术组合成一个预测模型的元算法，以达到减小方差（bagging，即套袋法有放回的抽样方法）、偏差（boosting）或改进预测（stacking）的效果。 集成学习特点 将多个分类方法聚集在一
2020-06-01 20:24:39
244
原创 【学习记录】零基础入门CV之街道字符识别-Task4：模型训练与验证
模型训练与验证4.1 学习目标4.2 构造验证集什么是过拟合？？？？1、留出法（Hold-Out）2、交叉验证法（Cross Validation，CV）3、自助采样法（BootStrap）4.3 模型训练与验证4.4 模型保存与加载4.5 模型调参流程 4.1 学习目标 学习模型训练与验证理解（验证集的作用，并使用训练集和验证集完成训练）学会使用Pytorch环境下的模型读取和加载，并了解调参流程。 4.2 构造验证集 在机器学习模型（特别是深度学习模型）的训练过程中，模型是非常容易过拟合的。深度学习模
2020-05-30 22:55:54
238
1
原创 【学习记录】零基础入门CV之街道字符识别-Task3 字符识别模型
字符识别模型3.1卷积神经网络3.1.1什么是CNN3.1.2CNN的结构3.2Pytorch构建CNN模型3.2.1构建代码3.2.2训练代码 学习目标: 1、学习CNN基础和原理 2、使用Pytorch框架构建CNN模型，并完成训练 3.1卷积神经网络 3.1.1什么是CNN 卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。
2020-05-26 15:00:08
364
原创 【学习记录】零基础入门CV之街道字符识别-Task 2：数据读取与数据扩增4.92
2.1 Pytorch读取数据 由于本次赛题我们使用Pytorch框架讲解具体的解决方案，接下来将是解决赛题的第一步使用Pytorch读取赛题数据。 在Pytorch中数据是通过Dataset进行封装，并通过DataLoder进行并行读取。所以我们只需要重载一下数据读取的逻辑就可以完成数据的读取。 import os, sys, glob, shutil, json import cv2 from PIL import Image import numpy as np import torch from
2020-05-23 15:46:13
601
原创 【学习记录】零基础入门CV之街道字符识别-Task1 赛题理解4.92
【学习记录】零基础入门CV之街道字符识别-Task1 赛题理解4.92 赛题目标：通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。 赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。 1.1赛题数据 1.数据来源：数据来自收集的SVHN（The Street View House Numbers）街道字符，并进行了匿名采样处理。 2.数据使用：所有的参赛选手只能使用比赛给定的数据集完成训练，不能使用SVHN原始数
2020-05-19 16:34:19
298
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人