- 博客(5)
- 收藏
- 关注
RSS订阅原创 【学习笔记】零基础入门CV之街道字符识别-模型集成
在机器学习中，使用集成学习方法往往可以提高预测精度，接下来，我们来了解常见的集成学习方法。 1. 学习目标 了解常见的集成学习方法 学会使用深度学习模型的集成学习 2 集成学习方法 常见的集成学习方法有Stacking、Bagging和Boosting等。深度学习也有一些集成学习思路的做法，例如Dropout，TTA等。 2.1 Dropout Dropout是在每个训练批次中，通过随机让一部分的节点停止工作，在预测的过程中让所有的节点都其作用。 图1 标准神经网络与Dropout 在模型中加入Dr
2020-06-02 22:04:41
180
原创 【学习笔记】零基础入门CV之街道字符识别-模型训练与验证
本章，我们在简单的CNN模型基础上进行模型训练与验证。 1. 学习目标 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 2. 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，存在着过拟合与欠拟合的情况。因此模型如果将训练集学的过好，模型就会记住训练样本的细节，导致模型在测试集的泛化效果较差，这种现象称为过拟合（Overfitting）。与过拟合相对应的是欠拟合Underfitting），即模型在训练集上的拟合效果较差。 图1 过拟
2020-05-29 22:17:06
303
原创 【学习笔记】零基础入门CV之街道字符识别-搭建字符识别模型
我们已经了解了赛题的背景并学习了如何读取数据，如何进行数据扩增，接下来，我们基于卷积神经网络（CNN）搭建字符识别模型。 1.学习目标 （1）学习CNN的基础和原理 （2）使用pytorch搭建字符识别模型 2.CNN简介 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。 2.1引子 先来看看卷积神经网络的神奇之处，我们先来看一
2020-05-26 19:26:48
335
原创 【学习笔记】零基础入门CV之街道字符识别-数据读取与扩增
我们已经了解了赛题的基本情况以及三种不同的解决方案，接下来，我们将学习如何读取赛题数据并对数据进行扩增。 1.学习目标 （1）掌握Python和pytorch的图像读取方法 （2）掌握基本的数据扩增方法，学会使用pytorch读取赛题数据 2.图像读取 Python中常见的用于图像处理的库有Pillow和OpenCV。 2.1 Pillow Pillow是Python图像处理函式库（PIL）的一个分支。Pillow提供了常见的图像读取和处理的操作，如图像旋转、图像过滤与增强等。 from PIL impor
2020-05-23 21:33:25
383
原创 【学习笔记】零基础入门CV之街道字符识别-赛题理解
1.主要内容 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验； 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
2020-05-20 12:35:58
242
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