项目思路整理

2019年1月11日

今天新学了一个linux操作nohup command。让程序能在GPU上一直挂着跑,之前可被坑毁了。

1、拉曼光谱仪——物体采集与检测

利用仪器获得拉曼位移和光谱强度数据，描绘曲线图。同一种物质都有相同的强度突变位置，采集部分将数据库中没有的物质才能如数据库。将采集到的物质与数据库中物质进行对比，有相同的突变位置的物质判定为同一物质，同时给出两种物质的相似度。

由于采集到的曲线受到各种干扰，并且有些曲线不止一个峰值点，因此考虑先对数据进行滤波处理，消除一些细小毛刺，同时不破坏曲线原有的走势，对判定结果影响不大。最后采用求取每一个峰值点谷值点序列，放在一个列表。将峰值相对于前面的谷值点变化最大的4点进行保存，作为数据库的模板峰值点

检测阶段，同样采集物体变化最大的四个点，如果峰值点只有一个，采集点四个点中的第一个点与模板峰峰值点第一个相同，有两个峰值点则前两个相同，一般不会超过四个点，类比都是距离，求出相似度的值。

 

2、深度学习图像分割

项目介绍：抠图项目，从一幅图像中将前景图像分割出来。简单说来是图像的二分类分割，首先是自己做数据集，Photoshop抠图。将抠图处理成前景像素为1，背景为0的灰度图作为图片的groundtruth，送入模型进行训练。训练集是350*350 的图像，要求是实现对800*800图像的分割，所以将图像数据送入模型之前先将其resize成800*800大小。

   模型：pspnet

   训练过程采用预训练模型pspnet-voc2012

pspnet 模型简述：金字塔模型将不同金字塔尺度的特征融合在一起，使用预训练好的加入dialated的resnet模型提取图像特征图大小为1/8输入尺寸size,使用不同的池化方法得到1*1，2*2，3*3和6*6大小的图，然后将这些特征图上采样与原始特征图进行级联，经过一系列卷积运算符获得最后的预测图。

resnet模型简介：

 图像增强random_crop,random flipping ，random  Gaussian blur。

 3、商品排序模型

599个特征，有相应打分。对召回的的商品，根据该用户对该商品的打分给用户推荐

3层DNN网络。