CV实践赛事-学习记录

**任务：**图像二分类，分为NC和MCI两类
**训练集：**每类25张图片，格式为nni
**评测指标：**F1_score

当前阶段主要是跑通baseline，总共提供了三种基线模型：逻辑回归、CNN还有百度的PPHGNet_small。

一、逻辑回归
机器学习模型，核心思想是通过图片的占比、边缘、纹理等特征的统计分析找到不同类别的图像形态特征。
环境配置简单，直接用CPU跑，但是精度受限。

二、CNN
卷积神经网络，深度学习模型之一，能够挖掘图片更丰富的特征。在该代码中，使用resnet18处理图片特征，然后使用平均池化降维，使用AdamW优化器。

使用baseline跑出来的结果是0.74214，我自己将resnet18替换为resnet50，调了学习率到5e-5，然后也训了十轮，结果还是这么多，甚至训练过程中的准确率一直在0.5徘徊，看来是还没过拟合，模型没有学到东西，或者是模型太复杂了。

下一步的优化应该朝着数据特征处理这一块，找到合适的图像表征。
同时在训练过程中加入早停机制，防止可能的过拟合。

目前对cv还不熟练，但大体项目流程基本一致