兔子是菜鸟

  • 0

    获得赞
  • 0

    发布的文章
  • 1

    答辩的项目

水表编号智能识别答辩

Batch大小为32,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为91.30。

水表编号智能识别赛
PyTorch CNN ResNet
最后更新 2021/06/17 10:16 阅读 763

水表编号智能识别赛

最后更新 2021/06/17 10:16

阅读 763

PyTorch CNN ResNet

1、问题分析 每个样本包含5个单元,每个单元有20个状态,分别是0到9共10个状态,以及介于两个数字之间的复合分类(如介于0和1之间的状态)。

2、结题思路拿到这题时能想到的结题思路有两种: A、将整个图片作为输入,直接输出结果。如果采用这种方式,如果采用分类的思想直接对图片进行分类,由于类别太多,复杂性太大,无法求解。那么采用拟合的思想呢——把图像映射到连续空间里进行求解,是否可以呢?感觉也不是很好解,因为每个单元的数字其实是不固定发的,taget的候选区域太大,太稀疏,不易求解。 B、尝试对每个单元单独进行分类。尝试定位图片中的每个数字单元,对这些单元进行分类。由于每个单元只有有限的状态(分类),因此相比起A思路,这个的可行性更高些。

3、解题 使用A思路解题,首先要解决图像分割问题。理想情况下每个图像单元的数字应当位于图像中央,由于缺乏有效的定位工具,因此只是简单的将图片进行五等分,每一份单独进行分类。我想这里应该是一个可以优化的点。 模型选型:尝试了resnet18,resnet50,resnet101,实验后发现restnet50和resnet101的确可以有效的提高fly币的消耗,但对得分没啥帮助。 模型输入:最早是用64x64进行训练的,实际效果不是很理想,大概大概80+,后来又尝试使用112,224,448这几种尺度的输入,只有224输入的效果最好 batch_size和学习率。lr=0.00001,试了32和64两种batch_size,试验后发现32的效果比较好 使用Adam优化器

4、其他trick 1、尝试使用OneCircleLR-Scheduler, 得分下降,可能是我超参数没调好。 2、尝试加入L2正则化,试了0.01,0.0001两种系数,都未能提升得分。

最后说下感想吧:

感觉这题要拿80分没那么难,但要拿到90分以上还是有挑战的,很其他其他大佬的解题分享!

本文为作者在FlyAI平台发布的原创内容,采用知识共享署名-非商业性使用-禁止演绎 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/n/169252
立即参加 水表编号智能识别赛
代码展示

PyTorch CNN ResNet

选择查看文件
$vue{codeKeys}
  • $vue{ix}
赞赏贡献者还可以查看和下载优质代码内容哦!
赞赏 ¥35.54元
©以上内容仅用于在FlyAI平台交流学习,禁止转载、商用;违者将依法追究法律责任。
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除
感谢您的关注
该篇内容公开后我们将会给你推送公开通知
好的
发布成功!
您的公开申请已发送至后台审核,
通过后将公开展示本详情页!
知道了
向贡献者赞赏
¥35.54
微信支付
支付宝

请先绑定您的微信账号 点击立即绑定

立即支付
温馨提示:
支付成功后不支持申请退款,请理性消费;
支付成功将自动解锁当前页面代码内容,付款前请确认账号信息。
微信扫码支付
请前往Web网页进行支付

敬请谅解,如有疑问请联系FlyAI客服

知道了
举报
请选择举报理由
确定
提示
确定要删除?
取消删除

今日签到成功

获得 $vue{sianData.sign_fai} FAI的GPU算力积分

知道了