电子科技大学第一届大象分形比赛个人总结

赛题是基于小数据集的图像分类。数据集还加入了高斯噪声。

我采用了去燥加分类两个过程来解决这个问题，所以模型不是end to end的。

去燥模型采用dncnn网络，论文地址如下：

Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising

http://cn.arxiv.org/pdf/1608.03981

实现结果表明去燥效果是很好的。

分类网络采用inception_resnet_v2网络，使用预训练的参数，使用辅助分类器，同时修改了辅助分类器的结构。

最终在线上有86.47的正确率。

开源代码地址如下：

https://download.csdn.net/download/qq_34914551/10747637

---

---

12月19号做个补充

从赛后交流中，我了解到其他队伍基本上使用了desnet和resnet这两种，并在使用预训练参数的情况下，对所有层的参数都再次训练，不冻结一些层，然后前面几层的学习率大于后面层的学习率。

另外一点是训练多个模型，采用模型融合的办法，得到更加精确的结果，当然这种办法会占用很多空间。或许在加上知识蒸馏能在降低模型大小的情况下获得不错的结果。

对于噪声的处理方面，可以用gan去学习噪声的分布，可以选择加上噪声去做训练和去掉噪声去训练两种思路。

损失函数选择具有更加区别性的amsoftmax。