文章讲述了YuLab团队在2023长三角人工智能大赛中的客流统计方案，使用Yolos和PP-LCNet进行属性分类，关注数据集分布和验证集选择的合理性。他们提到的技巧包括模型训练扩展、跨线判定方法和手写C++代码，尽管存在一些不足如pipeline不够全面，但展示了创新思维和技术应用。
冠军方案：YuLab from南方科技大学
链接：客流统计赛题冠军方案解读-2023长三角（芜湖）人工智能大赛
我们在实际的应用过程中缺少对数据集分布的分析
用的是yolos！！！
用PP-LCNet网络来进行属性分类，分出性别 同时对人头框进行了扩充
仅用了1%作为验证集 那验证集会有说服力吗 会不会出现验证集很偏门 的情况呢？这里我不是很理解
扩大检测框 会引入多余信息吧 但似乎模型训练起来也没事 只不过可视化可能奇怪 不过这个比赛不要求可视化 那无所谓了 其他两个trick感觉很常见
跨线判定 这个方式我没想到 我只是计算了斜率并且判断了两个特殊情况
这个想法很新奇
缓冲区这个也想到了 不过超参不好调吧
性别判定我直接50%没训练 这里做的很人家比差远了 而且对于工牌-人头的关联很直观 很优美
能手写c++推理代码太牛了 我只用python显得像个小傻瓜。tensorRT 不是速度的巅峰 C++才是
总结一下：对于整个pipeline的选择不是很周全，c++/python 让速度提不上去
203
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
