CV实践-异常检测 Task2

最新推荐文章于 2024-08-10 22:15:42 发布
最新推荐文章于 2024-08-10 22:15:42 发布
阅读量78 收藏
点赞数
分类专栏： CV 文章标签： 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43057279/article/details/114002884
版权
博主分享了在Docker环境下进行深度学习的Baseline改进思路，包括数据扩增、特征提取优化（如FPN改进和空洞卷积）、锚点策略调整等方法，旨在提升模型性能。尽管在Linux和Docker上遇到挑战，博主仍认为这是宝贵的学习经验，感谢团队的支持。
摘要由CSDN通过智能技术生成

Baseline学习及改进

关于Docker

可以查看这一篇

Baseline改进思路

  • 数据扩增：训练样本扩增随机竖直/水平翻折，色彩空间增强，使缺陷样本均匀 自适应anchor策略 适当减少回归框损失的权重 正负样本类别
    多尺度训练 空洞卷积替换FPN最后一层 FPN改进尝试：NAS-FPN、AC-PFN Anchor 匹配策略

以上是datawhale给出来的

我的一些感想

因为这段时间在忙论文相关的事，所以没有全身心投入这次的组队学习中
现在的情况是这样的
首先我对linux系统不太熟 对于docker相关浪费了比较多的时间 每天7小时左右
对于现阶段的我来说已经是极限了 所以可能就到此为止了
这是一次很好的学习机会 感谢这段时间帮了我很多的小马哥

小胖胖7
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
CV实践-异常检测 Task 1
小胖鸡的博客
02-22 163
CV实践-异常检测 Task 1谈谈问题吧那该咋办复现docker获取镜像库公网网址制作镜像并推送至镜像库1.login docker（请将tianchi替换成自己的账号）2.在文件需要copy至镜像内的目录下新建Dockerfile文件，如：Base Images从天池基础镜像构建 FROM registry.cn-shanghai.aliyuncs.com/tcc-public/keras:latest-cuda10.0-py3把当前文件夹里的文件构建到镜像的根目录下 ADD . /指定默认工作目录为根
用于异常检测的多分辨率知识蒸馏
weixin_48866452的博客
05-08 2222
Unsupervised representation learning has proved to be a critical component of anomaly detection/localization in images. The challenges to learn such a representation are two-fold. Firstly, the sample size is not often large enough to learn a rich generaliz
CV实践-异常检测（DateWhale）Task1学习笔记
qq_37991991的博客
02-21 204
CV实践-异常检测（DateWhale）Task1学习笔记 本文将记录我从第一次接触Docker到第一次成功在阿里云上提交自己的镜像的过程。 1.下载Docker Desktop 该软件是免费的，直接搜索就可以下载，我用的是windows系统。 https://hub.docker.com/editions/community/docker-ce-desktop-windows/. 下载安装后，启动Docker Desktop并申请自己的Docker id，这样就登录后就可以构建自己的本地镜像，然后用容器运
Datawhale AI夏令营-CV图像方向-Task1+2+3
horsemaple的博客
07-14 384
比赛链接baseline提交并获取得分，但是具体知识点还没完全掌握，所以后续深入代码后再行补充。
PaddleDetection研究报告——百度目标检测PP-YOLOE论文解读+实践应用
weixin_45901142的博客
12-13 2613
解读百度目标检测论文PP-YOLOE及开源项目PaddleDetection应用
《异常检测——从经典算法到深度学习》23 TimesNet: 用于常规时间序列分析的时间二维变化模型
Smileyan's blog
10-31 3560
TimesNet 时间序列模型概述
MSMG-Net: Multi-scale Multi-grained Supervised Networks for Multi-task Image Manipulation Detection
weixin_43780665的博客
04-17 737
摘要：近年来，随着图像编辑技术的飞速发展，图像篡改所带来的安全风险越来越大，图像篡改检测受到了广泛的关注。为了解决这些问题，提出了一种新型的多尺度多粒度深度网络(MSMG-Net)来自动识别被操纵区域。在我们的MSMG-Net中，采用并行的多尺度特征提取结构来提取多尺度特征。然后通过引入分流自注意，利用多粒度特征学习来感知多尺度特征的对象级语义关系;为了融合多尺度多粒度特征，采用自底向上的方法设计了全局和局部特征融合块用于操作区域分割，采用自顶向下的方法设计了多级特征聚合块用于边缘部分检测。 因此，MSM
【GitHub项目推荐--计算机视觉】【转载】
j8267643的博客
01-28 777
通过 EasyCV 你可以快速体验最新的图像自监督学习和 Transformer 技术，并且 EasyCV 还包含一些常见的计算机视觉的任务，比如图像分类、目标检测等等。EasyCV 是阿里巴巴开源的基于 PyTorch 的 Computer Vision 工具箱，主要专注于自监督学习和 Transformer。开源地址：https://github.com/alibaba/EasyCV。
《异常检测——从经典算法到深度学习》26 Time-LLM：基于大语言模型的时间序列预测
Smileyan's blog
03-03 3772
基于大模型的时间序列预测。
人脸检测画框，含训练集
11-28
人脸检测技术是计算机视觉领域中的一个重要分支，它主要用于在图像或视频流中定位并识别出人脸的位置和大小。本项目提供了包含训练集的人脸检测解决方案，让我们深入探讨一下相关知识点。 1. **基础概念** - **...
opencv人脸检测代码
01-19
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它包含了大量的图像和视频处理功能。在本项目中，我们关注的是OpenCV的人脸检测功能，这是一个广泛应用于安全监控、照片编辑、虚拟现实等...
火山视窗opencv人脸检测图像版.zip
09-23
OpenCV（开源计算机视觉库）是一个跨平台的计算机视觉库，包含了众多图像处理和计算机视觉的算法，广泛应用于学术研究和工业界。 在该压缩包中，你将找到一个或多个文件，它们可能是源代码、预编译的可执行文件或者...
关于人脸部特征点检测的研究
03-25
总之，人脸特征点检测是计算机视觉领域中的关键技术，涉及众多理论和实践问题。随着深度学习的不断发展，我们有理由期待未来在这个领域会有更多创新和突破，为我们的生活带来更多的便利和乐趣。
加载多个图片并检测其人脸
04-04
本文将深入探讨如何“加载多个图片并检测其人脸”，这是一个与计算机视觉和深度学习密切相关的任务。在这个过程中，我们将涉及以下几个关键知识点： 1. 图像加载：首先，我们需要一个能够读取和处理图像的库，如...
深度学习 —— 个人学习笔记14（ResNet、DenseNet）
Springer的博客
08-06 278
本文章为个人学习使用，版面观感若有不适请谅解，文中知识仅代表个人观点，若出现错误，欢迎各位批评指正。文中部分知识参考：B 站 —— 跟李沐学AI；
3D靓图！CEEMDAN-Kmeans-VMD-CNN-BiLSTM-Attention双重分解卷积双向长短期注意力多元时序预测
最新发布
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
08-10 350
3D靓图！CEEMDAN-Kmeans-VMD-CNN-BiLSTM-Attention双重分解卷积双向长短期注意力多元时序预测
第R2周：LSTM-火灾温度预测：一文搞懂LSTM（长短期记忆网络）
lihuhelihu的博客
08-07 646
LSTM在许多问题上效果非常好，现在被广泛使用。长期依赖问题： 在传统的RNN中，当序列非常长时，网络往往会遇到梯度消失或梯度爆炸的问题，导致难以捕捉到序列中长距离的依赖关系。因此，LSTM通过引入门控结构和细胞状态，有效地解决了传统RNN在处理长序列数据时遇到的梯度消失、长期依赖等问题，使得其在语言建模、时间序列预测、机器翻译等任务中取得了显著的进展。●问题描述：RNN在处理长序列时，由于信息的传递是通过隐藏状态进行的，随着时间的推移，较早时间步的信息可能会在传递到后面的时间步时逐渐消失或被覆盖。
基于深度学习的模型可解释性
weixin_42605076的博客
08-07 868
基于深度学习的模型可解释性是指开发和应用方法，使得复杂的深度学习模型能够被人类理解和解释。这对于增强模型的透明度、可信度和应用的安全性至关重要。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值