很高兴与大家分享下比赛的过程，很久没有参加FlyAI平台的比赛了，上次还是去年的瑜伽分类比赛，刚好五一和端午放假有点时间就参加比赛玩玩。这一年平台改了很多规则，比赛过程中才慢慢发现。下面说下这个比赛吧，这个比赛本身比较简单，图像10分类，参加比赛的人应该都做的很好了，大家基本上都95分以上，应该都使用了合适的算法了。我也没啥比较好的算法，就在baseline基础上，多提交几次，然后后面就靠一些运气和技巧上分了吧，下面是比赛的一些分析、过程和总结，大家简单看看就好。 赛题简介:        本赛题主要进行典型场景智能识别，场景类型包括海滩、圆形农田、云、荒漠、林地、山脉、矩形农田、建筑区、河流和雪山共10类，在国土资源、海洋及海岸带、内陆水体、生态环境、农业、林业等各个领域具有重要的应用潜力。要求参赛选手利用机器学习等智

1. 赛题分析本赛题主要进行典型场景智能识别，场景类型包括海滩、圆形农田、云、荒漠、林地、山脉、矩形农田、建筑区、河流和雪山共10类，在国土资源、海洋及海岸带、内陆水体、生态环境、农业、林业等各个领域具有重要的应用潜力。要求参赛选手利用机器学习等智能算法自动识别出所规定的测试集图像对应的场景类型。因此，本次比赛的数据集一共包括了10个类别，其中训练集有14400张图片，测试集有3600张图片。由于参赛数据集并不对外开放，仅提供调试数据，因此，我们需要利用好这些调试数据。本地调试数据分布如图表所示，共计2880张，各类别数据量接近，因此无需考虑类别不平衡问题。此外，样例图像的尺寸大小为128×128.2. 基本解题思路首先,尝试多种不同的模型,我使用torchvision内置的模型结构进行模型选择,其中包括各种resnet,resnext模型,vgg16,vgg19模型,inception模

赛题背景:      本次赛题背景是瑜伽的动作类别太多，很难记住每个体式的名字，通过图像分类模型帮助我们识别各种瑜伽体式类别。    赛题分析：      数据集包含瑜伽体式共6大类、82小类（实际:线下49类，线上50类）  评价指标：准确率赛题难点： 1、类别较多，分布不平衡 2、背景干扰项较多，人物在图片中的比例范围比较大 3、存在错误的图片数据 4、存在一些抽象的线条等较难识别的样本解题过程：  思路一：多个Loss的分类网络 （没时间尝试，代码修改起来比较麻烦） 思路二：姿势识别+分类网络  （效率较低，姿势识别准确度不够，后续分类很难进行） 思路三：单个Loss的分类网络 （容易实现，直接用蘑菇分类的代码修改即