qq_35098624的博客

KDD Cup 2020 Challenges for Modern E-Commerce Platform: Debiasing Top13资料为了记录资料，侵权联系，速删赛道链接https://tianchi.aliyun.com/competition/entrance/231785/introduction数据集链接: https://pan.baidu.com/s/1Mb0U001wcqCB2x7me0uchw 提取码: p3wr解压密码7c2d2b8a636cbd790ff12a0

计算机视觉实践（街景字符编码识别）-Task5 模型集成5.1 学习目标学习集成学习方法以及交叉验证情况下的模型集成学会使用深度学习模型的集成学习集成学习的主要思想是利用一定手段学习出多个分类器，而且这多个分类器的要求是弱分类器，然后将多个分类器进行组合公共预测。核心思想就是如何训练处多个弱分类器以及如何将这些弱分类器进行组合。5.2Boosting集成Boosting方法是一种用来提高弱分类算法准确度的方法,这种方法通过构造一个预测函数系列,然后以一定的方式将他们组合成一个预测函数。他是一种框

计算机视觉实践（街景字符编码识别）-Task04：模型训练与验证4.1 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4.2 构造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，模型是非常容易过拟合的。深度学习模型在不断的训练过程中训练误差会逐渐降低，但测试误差的走势则不一定。在模型的训练过程中，模型只能利用训练数据来进行训练，模型并不能接触到测试集上的样本。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

计算机视觉实践（街景字符编码识别）-Task3 字符识别模型CNN介绍卷积神经网络（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。1，CNN每一层由众多的卷积核组成，每个卷积核对输入的像素进行卷积操作，得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野，并缩减图像的尺寸。2，CNN是一种层次模型，输入的是原始的像素数据。CNN

计算机视觉实践（街景字符编码识别）-Task2 数据读取与数据扩增2.1.数据读取与数据扩增本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。2.1 学习目标学习Python和Pytorch中图像读取学会扩增方法和Pytorch读取赛题数据2.2 图像读取由于赛题数据是图像数据，赛题的任务是识别图像中的字符。因此我们首先需要完成对数据的读取操作，在Python中有很多库可以完成数据读取的操作，比较常见的有Pillow和OpenCV。2.2.1 PillowPil

计算机视觉实践（街景字符编码识别）-Task01：赛题理解1.赛题理解赛题名称：零基础入门CV之街道字符识别赛题目标：通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。为了简化赛题难度，赛题数据采用公开数据集SVHN，因此大家可以选择很多相应的paper作为思路参考。2.环境安装软件：Anaconda3.赛题数据赛题来源自Google街景图像中的门