本文介绍了作者在2022华为全球校园AI算法精英赛中获得季军的解决方案。通过赛题理解、数据分析、数据增强、模型设计和消融实验，探讨了如何处理图像分类问题，特别是针对长尾分布和不平衡数据。采用半监督学习，结合有标注和无标注数据进行三阶段训练，提升了模型的泛化性能。文章强调了无标注数据的有效利用和预训练的重要性。
Datawhale干货
作者：鲤鱼，西安交通大学，人工智能学院
笔者鲤鱼，是西安交通大学人工智能学院的一名研究生，在2022华为全球校园AI算法精英赛的赛道二取得了季军的成绩。
初赛阶段一直名列A榜的榜首，复赛前几天也一直处于A榜榜首。虽然最后一天翻车了，但每次切换测试数据集都能取得稳定的优势，模型的泛化性能应该是比较强的，只是可惜最后输在了一些后处理的trick上，现提供一些思路，仅供参考。
如需作者完整PPT，可在Datawhale后台回复关键词 季军 下载。
赛题理解
本次华为全球校园AI算法精英赛的赛道二——车道渲染数据质量检测赛题。地图数据渲染生成过程中，部分数据会存在诸如缺边少角，异形道路等缺陷，本赛题旨在探索可靠的高精度质检模型。
赛事信息：华为全球校园AI算法精英赛-CV赛题。
最低0.47元/天 解锁文章
扫一扫
2014
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
