动手学CV-Pytorch计算机视觉 天池赛题思路与上分技巧汇总

动手学CV-Pytorch计算机视觉 天池赛题思路与上分技巧汇总

博客接上回（动手学CV-Pytorch计算机视觉 天池计算机视觉入门赛SVHN数据集实战），上一小节我们介绍了一个基于分类的baseline解决方案。本文会对一些比赛优化思路和上分技巧进行汇总和整理，希望对大家深入学习CV能够有帮助。

本文分为以下几部分：

• 如何优化官方baseline的效果？

• 其它解题思路的整理和分析

• 字符级目标检测的优化技巧整理

在这里要特别感谢多位前排选手对于比赛技巧的无私分享，那么不多bb，下面直接进入正题

一、如何优化官方baseline的效果？

本次入门赛的官方baseline入门材料，相信大家肯定都看过了:

Task1 赛题理解

Task2 数据读取与数据扩增

Task3 字符识别模型

Task4 模型训练与验证

Task5 模型集成

本质上，baseline的思路就是将赛题转换为了一个定长的字符识别问题，用包含多个输出的分类问题来进行求解。

1.1 改进版baseline

这份代码相当于一个加强版的baseline，简短来说，介绍了以下几点：

• 重新回顾baseline的代码
• 阶段性下降的学习率调整策略
• 分析了很多人提交出0.3-0.4分成绩的原因和解决方案
• 加入数据增强策略

这份代码我相信是帮到了一些刚入门的同学的，提交的成绩大概在0.75分左右。

那么在这样一个baseline的基础上，如何进一步的优化呢？

1.2 改进backbone

baseline中我们的网络结构是这样定义的：

class SVHN_Model1(nn.Module):
    def __init__(self):
        super(SVHN_Model1, self).__init__()

        model_conv = models.resnet18(pretrained=True)
        model_conv.avgpool = nn.AdaptiveAvgPool2d(1)
        model_conv = nn.Sequential(*list(model_conv.children())[:-1])  # 去除最后一个fc layer
        self.cnn = model_conv

        self.fc1 = nn.Linear(512, 11)
        self.fc2 = nn.Linear(512, 11)
        self.fc3 = nn.Linear(512, 11)
        self.fc4 = nn.Linear(512, 11)
        self.fc5 = nn.Linear(512, 11)

    def forward(self, img):        
        feat = self.cnn(img)
        #print(feat.shape)
        feat = feat.view(feat.shape[0], -1)
        c1 = self.fc1(feat)
        c2 = self.fc2(feat)
        c3 = self.fc3(feat)
        c4 = self.fc4(feat)
        c5 = self.fc5(feat)
        return c1, c2, c3, c4, c5

我们可以对使用的backbone网络进行一系列的改进：

• 由resnet18换为更大的resnet50
• 为每一个分类模块加上一层全连接隐藏层
• 为隐含层添加dropout

由resnet18换为resnet50，更深的模型就拥有更好的表达能力，添加一层隐含层同样起到了增加模型拟合能力的作用，与此同时为隐含层添加dropout来进行一个balance，一定程度上防止过拟合。（这只是我个人对于baseline的改进方案，不一定是最优的）

改进后的模型定义代码如下：

class SVHN_Model2(nn.Module):
    def __init__(self):
        super(SVHN_Model2, self).__init__()

        # resnet18
        model_conv = models.resnet18(pretrained=True)
        model_conv.avgpool = nn.AdaptiveAvgPool2d(1)
        model_conv = nn.Sequential(*list(model_conv.children())[:-1])  # 去除最后一个fc layer
        self.cnn = model_conv

        self.hd_fc1 = nn.Linear(512, 128)
        self.hd_fc2 = nn.Linear(512, 128)
        self.hd_fc3 = nn.Linear(512, 128)
        self.hd_fc4 = nn.Linear(512, 128)
        self.hd_fc5 = nn.Linear(512, 128)
        self.dropout_1 = nn.Dropout(0.25)
        self.dropout_2 = nn.Dropout(0.25)
        self.dropout_3 = nn.Dropout(0.25)
        self.dropout_4 = nn.Dropout(0.25)
        self.dropout_5 = nn.Dropout(0.25)
        self.fc1 = nn.Linear(128, 11)
        self.fc2 = nn.Linear(128,