- 博客(5)
- 收藏
- 关注
RSS订阅原创 【学习笔记】零基础入门CV之街道字符识别-模型集成
在机器学习中，使用集成学习方法往往可以提高预测精度，接下来，我们来了解常见的集成学习方法。1. 学习目标了解常见的集成学习方法学会使用深度学习模型的集成学习2 集成学习方法常见的集成学习方法有Stacking、Bagging和Boosting等。深度学习也有一些集成学习思路的做法，例如Dropout，TTA等。2.1 DropoutDropout是在每个训练批次中，通过随机让一部分的节点停止工作，在预测的过程中让所有的节点都其作用。图1 标准神经网络与Dropout在模型中加入Dr
2020-06-02 22:04:41
242
原创 【学习笔记】零基础入门CV之街道字符识别-模型训练与验证
本章，我们在简单的CNN模型基础上进行模型训练与验证。1. 学习目标理解验证集的作用，并使用训练集和验证集完成训练学会使用Pytorch环境下的模型读取和加载，并了解调参流程2. 验证集在机器学习模型（特别是深度学习模型）的训练过程中，存在着过拟合与欠拟合的情况。因此模型如果将训练集学的过好，模型就会记住训练样本的细节，导致模型在测试集的泛化效果较差，这种现象称为过拟合（Overfitting）。与过拟合相对应的是欠拟合Underfitting），即模型在训练集上的拟合效果较差。图1 过拟
2020-05-29 22:17:06
357
原创 【学习笔记】零基础入门CV之街道字符识别-搭建字符识别模型
我们已经了解了赛题的背景并学习了如何读取数据，如何进行数据扩增，接下来，我们基于卷积神经网络（CNN）搭建字符识别模型。1.学习目标（1）学习CNN的基础和原理（2）使用pytorch搭建字符识别模型2.CNN简介卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。2.1引子先来看看卷积神经网络的神奇之处，我们先来看一
2020-05-26 19:26:48
403
原创 【学习笔记】零基础入门CV之街道字符识别-数据读取与扩增
我们已经了解了赛题的基本情况以及三种不同的解决方案，接下来，我们将学习如何读取赛题数据并对数据进行扩增。1.学习目标（1）掌握Python和pytorch的图像读取方法（2）掌握基本的数据扩增方法，学会使用pytorch读取赛题数据2.图像读取Python中常见的用于图像处理的库有Pillow和OpenCV。2.1 PillowPillow是Python图像处理函式库（PIL）的一个分支。Pillow提供了常见的图像读取和处理的操作，如图像旋转、图像过滤与增强等。from PIL impor
2020-05-23 21:33:25
438
原创 【学习笔记】零基础入门CV之街道字符识别-赛题理解
1.主要内容欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计 ，将会带来全新的写作体验；在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
2020-05-20 12:35:58
298
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人