![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CV入门比赛
Teague_DZ
这个作者很懒,什么都没留下…
展开
-
街景字符识别赛题 TASK5-模型集成
5.模型集成 5.1 学习目标 学习集成学习方法以及交叉验证情况下的模型集成 学会使用深度学习模型的集成学习 5.2 集成学习方法 在机器学习中的集成学习可以在一定程度上提高预测精度,常见的集成学习方法有Stacking、Bagging和Boosting,同时这些集成学习方法与具体验证集划分联系紧密。 对于多个模型集成的预测结果的选择,有多种方法: 对预测的结果的概率值进行平均,然后解码为具体字符; 对预测的字符进行投票,得到最终字符。 5.3 深度学习中的集成学习 5.3.1 dropout原创 2020-06-01 22:23:08 · 183 阅读 · 0 评论 -
街景字符识别赛题 TASK4-模型训练与验证
4.模型训练与验证 4.1 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 4.2 验证集 一般情况下,将总样本分成三个部分: 训练集(Train Set):用于训练和调整模型参数的数据集。 验证集(Validation Set):用于验证模型精度和调整模型参数。 测试集(Test Set): 验证模型的泛化能力。 需要注意验证集的分布应该与测试集尽量保持一致,不然模型在验证集上的精度就失去了指导意义。 验证集划分的方法: 留原创 2020-05-29 21:08:14 · 289 阅读 · 0 评论 -
街景字符识别赛题 TASK3-字符识别模型
3.字符识别模型 2.1 输入数据信息 dataset加载图片时将图片尺寸固定成了(60, 120) 2.2 加载预训练模型 2.2.1 torchvision.models里有哪些模型? import torchvision.models as models Alexnet model = models.alexnet(pretrained=False) VGG model = models.vgg11(pretrained =False) model = models.vgg11_bn(pretr原创 2020-05-26 21:56:24 · 292 阅读 · 0 评论 -
街景字符识别赛题 TASK2-数据读取与数据扩增
2.数据读取与数据扩增 2.1 学习目标 学习python和pytorch中图像读取 学会扩增方法和pytorch读取赛题数据 2.2 图像读取 python常用的对图像读取的库 Pillow(Pillow是Python里的图像处理库,PIL:Python Image Library) openCV 2.2.1 pillow # 导入pillow库 from PIL import Image # 类中的函数 im = Image.open(''xxx.jpg) # 读取照片 Image.new(原创 2020-05-21 21:54:56 · 237 阅读 · 0 评论 -
街景字符识别赛题 TASK1-赛题理解
1.赛题理解 1.1赛题数据 赛题以街道字符为为赛题数据, 该数据来自收集的SVHN街道字符,并进行了匿名采样处理。 训练集数据包括3W张照片,验证集数据包括1W张照片。 JSON文件里含有照片名,照片里含有的数字以及数字的位置。 测试集A包括4W张照片,测试集B包括4W张照片。 1.2 数据标签 对于训练数据每张图片将给出对于的编码标签,和具体的字符框的位置(训练集、验证集都给出字符位置),可用于模型训练: 字符的坐标具体如下所示: 在比赛数据(训练集和验证集)中,同一张图片中可能包括一个或者多个字符原创 2020-05-19 20:08:13 · 198 阅读 · 0 评论