- 博客(5)
- 收藏
- 关注
RSS订阅原创 cv大赛-task5 模型集成
学习目标1.学习集成方法以及交叉验证情况下模型集成。2.学会使用深度学习模型的集成学习。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练习紧密。由于深度学习模型要较长的训练周期，如果硬件设备不允许建议选取留出法，如果需要追求精度可以使用交叉验证方法。下面构建10折交叉验证，序列得到10个CNN模型。那么在10个CNN模型可以使用吐下方式进行集成：1.对与错的结果的概
2020-06-02 21:09:23
136
原创 天池CV竞赛-Task4 模型训练与验证
在上一task任务中，我们介绍了字符识别模型，并介绍了很多关于CNN模型，一个成熟合格的深度学习训练流程应具备以下三个功能：1.训练集上进行训练，并在验证集上进行验证；2.模型可以保存最优的权重，并读取权重；3.记录下训练集和验证集的精度，便于调参。为此我们本任务将构建验证集，模型训练和验证，模型保存与模型加载和模型调参。学习目标1.理解验证集的作用，并使用训练集和验证集完成训练。2.学会使用pytorch环境下的模型读取和加载，并了解调参流程。构造验证集在机器学习模型（特别是深度学习模型
2020-05-29 15:52:47
346
原创 阿里天池CV竞赛 Task3 字符识别模型
学习目标1.学习CNN基础和原理2.使用pytorch框架构建CNN模型，并完成训练。CNN介绍卷积神经网络（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在多数领域表现优异，精度和速度比传统的计算学习算法高很多。CNN进行权值共享，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。CNN每一层由众多的卷积核组成，每个卷积核对输入的像素进行卷积操作，然后再进行池化，最后进行全连接层形成一个闭环操作。随着网络层的增加卷积核会逐渐扩大感受野，并缩减图
2020-05-26 17:07:00
180
原创 cv入门（街景字符编码）task2
数据读取在python中有许多库可以完成图像数据读取操作，比较常见的是pillow和OpenCV。1.1 PillowPillow是python图像处理函式库（PIL）的一个分支。Pillow提供了常见图片读取和处理操作，而且可以与ipython notebook无缝集成，是应用比较广泛的库。如：from.PIL import Image#读取图片 img=Image.open(graph.jpg)from PIL import Image, ImageFilterim = Image.ope
2020-05-23 17:38:41
138
原创 阿里天池-0基础入门CV街道字符识别大赛
入门CV街道字符识别入门CV街道字符识别次使用 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。赛题解读1.本赛题是以街道字符为赛题数据集，该数据集来自于收集的SVHN街道字符，并进行了匿名处理。2.该数据总共包含了训练数据集3万张，验证数据集1万张，每张图片包含了颜色图像，对应的编码类别和具体的位置信息，测试集数据test_A有4万张图片，测试集数据集有4万张图片。3.对于训练集数据编码标签和字
2020-05-20 12:05:54
240
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