鹏1577582907

  • 16

    获得赞
  • 1

    发布的文章
  • 1

    答辩的项目

水下鱼品种分类竞赛的一些提分操作(99.86)

DenseNet

最后更新 2020-04-15 16:40 阅读 6200

最后更新 2020-04-15 16:40

阅读 6200

DenseNet

u=1419753596,936701428&fm=26&gp=0.jpg

最近这段时间,没有啥思路了,想把我之前能够提分的trick分享给大家,希望能够对大家有用。我是用的普通的分类网络,我感觉如果能够用上专门的细粒度网络,应该会不错吧。

1. 分析一下比赛赛题

  • 该比赛属于细粒度分类,另外样本类别数量分布不平衡;
  • 因为采集图像处于水下拍摄,所以图像看出来都相对模糊,我之前尝试过暗通道去雾来增强图像,但是并没有work,可能是我参数设置的不太合理;
  • 图片采集应该是通过检测网络,整个鱼都处于样本正中间,但是还可以继续切割,消除部分背景。

2. 比赛中能够提分的操作

  • 我最先用的是densenet161训练32个epoch,随机剪切,左右选转,随机擦除,tta然后损失用的是交叉熵损失函数,在测试集评分可以到达99.66%;
  • 学习率先warm up然后再用余弦学习率;
  • 对数量少的类别过采样,然后可以到达99.77%;
  • 把损失函数加上了label smooth之后测试集可以到达99.84%,运气好的话,可以到达99.86%也就是现在的成绩。

3. 不能提分的操作

  • 使用cenetrcop进行裁剪,减少背景
  • 暗通道去雾
  • mix up
  • efficient,我使用efficient网络感觉效果不咋样
  • arface loss
  • bcnn双线性网络
  • focal loss + label smooth
  • 上下镜像
  • 对数量少的类别当作一个类别处理
  • 之前还尝试过se_resnext101_32x4d_cbam和densenet进行ensembel,但是也是没有提分

4. 等比赛结束了,希望前面几位大佬,可以分享一下自己的心得,学习一下。

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://flyai.com/article/art6e234d87923e923ef758477a
讨论
500字
表情
发送
删除确认
是否删除该条评论?
取消 删除