Wanderist_

原有思路：利用已有的在ImageNet数据集上分类效果好的网络为基础，对服装图像数据集进行特征提取，然后进行回归，分别得到需要定位的关键点。注意：由于convNet越往深层提取的特征越是高层特征，视野更广，而相对一些边缘信息等浅层特征会被忽略，因此在用VGG16进行回归时NE效果是28%，比较差。改进点：（1）可以通过减少网络的层数来看关键点检测的准确率（2）可以...

在准备这个比赛的过程中感觉学到了不少，现在总结一下：经过好几次的比赛与论文写作经历，个人认为比赛和写论文做实验最大的一个区别就是：论文中所引用的都是标准数据集，一般数据集质量高，而比赛中的数据集噪声就比较大，比如，拿到这个比赛的数据集，我们可以看到里面即有黑白图，又有彩色图，既有带文字的图片，又有没带文字的，并且有的zoom比较大，有的zoon比较小，最重要的也是这个比赛的核心难题（挑战）就是...

1.首先最明确的一点就是修改需要检测关键点的个数，COCO数据集姿态识别的关键点个数是17，而FashionAI数据集的总个数是24个，但是不同的服装类别的个数不一样，比如blouse有13个点，但是如果生成24个heatmap，就会至少有11个heatmap是没用的，这样导致GPU内存增大，又使得loss不能很好的传递训练，因此最好分别对每个单类别进行训练2.测评要求不一样，FashionA...

比赛链接：https://www.kesci.com/home/competition/5ab8c36a8643e33f5138cba4/leaderboard/1相关链接：https://mp.weixin.qq.com/s/fSRB5T3himBEYrLwW9p62A比赛介绍：https://mp.weixin.qq.com/s/vYtcnwLtHsb70viejBR3Rw经过激烈...

1.一定要注意变量类型的统一与变换，例如：user_id_7 = [it for it in user_id_7 if it not in regi_7_user_id]其中regi_7_user_id为DataFrame类型，没有转换成list，程序不报错，但是并不是我想要的结果，因此一定要先转换成类型list，再遍历，这样才能实现集合的差。user_id_7 = [it for it in l...

做快手公司举办的2018中国高校计算机大赛--大数据挑战赛有半个月了，从5月30日开始到现在基本一直在构造特征，但是当我构造的特征到后期的时候，发现加特征之后，明明验证集上的准确率提高了，但是线上的结果一直提不上去，我怀疑的是特征的问题，但是今天6月13日，我仔细看了lightgbm算法的说明文档后才发现，我用的earlystopping方法一直没有用迭代最好的那一次去预测，即这个同...

近年来，随着人脸识别，语音识别，自动驾驶等许多领域的火热发展，人工智能逐渐被推向发展浪潮。那么当投资遇上人工智能就有了现在的一种新兴领域——量化金融。人工智能一个很重要的应用领域就是预测，基于今天的数据与历史的数据，可对未来经济走势进行判断。在金融和投资领域，人工智能技术可以对股票，投资标的的价格走势作出预测，从而使得计算机替人类进行决策，并实现自动化交易来获取利润。...

由于图像的数据量还不小，总共有31631张图片，并且每张都是512*512*3大小的图片，无法一次性导入内存中，因此采用类的方法，实现每次只导入内存一个batch的图片。需要设计两个类，第一个类是ImageData：class ImageData: """ """ def __init__(self, img_ids, img_dir, ...

1.参考风格迁移里面的思想。2.参考yolo算法。3.relu激活函数的修改4.训练时可以不用预训练好的权重，直接所有权重从头训练。5.对于验证集与训练集没有进行区分，应该用训练集进行训练6.验证方法有交叉验证与留一法，对于比赛而言可以进行模型融合来提高比赛结果。...