计算机视觉CV
Roy??
这个作者很懒,什么都没留下…
展开
-
Datawhale 零基础入门CV赛事-Task5 模型集成
Datawhale 零基础入门CV赛事-Task5 模型集成 在上一章我们学习了如何构建验证集,如何训练和验证。本章作为本次赛题学习的最后一章,将会讲解如何使用集成学习提高预测精度。 5 模型集成 本章讲解的知识点包括:集成学习方法、深度学习中的集成学习和结果后处理思路。 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Boostin原创 2020-06-02 20:11:01 · 102 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task4 模型训练与验证
Datawhale 零基础入门CV赛事-Task4 模型训练与验证 在上一章节我们构建了一个简单的CNN进行训练,并可视化了训练过程中的误差损失和第一个字符预测准确率,但这些还远远不够。一个成熟合格的深度学习训练流程至少具备以下功能: 在训练集上进行训练,并在验证集上进行验证; 模型可以保存最优的权重,并读取权重; 记录下训练集和验证集的精度,便于调参。 4 模型训练与验证 为此本章将从构建验证集、模型训练和验证、模型保存与加载和模型调参几个部分讲解,在部分小节中将会结合Pytorch代码进行讲解。 4.1原创 2020-05-30 17:16:27 · 96 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task3 字符识别模型
Datawhale 零基础入门CV赛事-Task3 字符识别模型 在前面的章节,我们讲解了赛题的背景知识和赛题数据的读取。本章开始构建一个字符识别模型,基于对赛题理解本章将构建一个定长多字符分类模型。 3 字符识别模型 本章将会讲解卷积神经网络(Convolutional Neural Network, CNN)的常见层,并从头搭建一个字符识别模型。 3.1 学习目标 学习CNN基础和原理 使用Pytorch框架构建CNN模型,并完成训练 3.2 CNN介绍 卷积神经网络(简称CNN)是一类特殊的人工神经网原创 2020-05-26 12:54:05 · 87 阅读 · 0 评论 -
Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增
Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增 在上一章节,我们给大家讲解了赛题的内容和三种不同的解决方案。从本章开始我们将逐渐的学习使用【定长字符识别】思路来构建模型,逐步讲解赛题的解决方案和相应知识点。 2 数据读取与数据扩增 本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。 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 由于赛题数据是图像数据,赛题的任务是识别图像中的字符。原创 2020-05-23 13:28:44 · 89 阅读 · 0 评论