# 2019-TianYiBei-AI-competition-demo
[![](https://img.shields.io/badge/license-MIT-green)](https://github.com/Fieldhunter/2019-TianYiBei-AI-competition-demo/blob/master/LICENSE)
[![](https://img.shields.io/badge/author-Fieldhunter-blue)](https://github.com/Fieldhunter)
![](https://img.shields.io/badge/frame-keras-yellow)
2019“添翼杯”人工智能创新应用大赛-智慧环保赛道---代码敲不队demo
## 最终score
初赛A榜:分数---94.02分;排名---23 初赛B榜:分数---93.07分;排名---21
A榜只是提供参考,B榜最终真实有效,前20名提供复赛资格。
## 说明
训练集等数据存储在data目录当中,但并没有上传。原data目录当中,mask目录下是遮挡物图片,Trainset目录下是原训练集图片,Test_A和Test_B是A,B榜的测试集。
各个模型的代码和history分别存放在model和history文件夹内。model文件内各模型的文件夹名格式为{训练最后一轮cv上的AUC值}。
history文件内各history的文件夹名格式为{训练最后一轮cv上的AUC值_A榜测试集上的AUC值}。各模型训练出来的.h5文件发布在release里面,命名规则与history一致。
## 数据处理
首先,根据赛题提供的训练集和测试集,发现训练集都是非常完整的图片,而测试集的图片都是非常不完整的,同时还有特定图案的遮挡物。为了让训练集更接近测试集,
首先先用Photoshop手工对测试集那些特定遮挡物抠出700张存储下来,用于做训练集的遮挡图案。
接下来的处理步骤每一次训练都会执行一遍(不保存到本地),这样使得训练集有一定的随机性,相当于在数量上做了数据增强。(初衷是可以将遍历过一遍训练集
的模型对另一批训练集进行再训练,但后来发现re-train的模型效果都会下降,故之后并没有采用re-train的模型)
在正式对每一张训练集的图片做处理时,首先从700张mask图案随机选取,然后对mask图案按顺序做随机平移和随机旋转,防止模型对仅有的700张mask图案过拟合。
然后将处理后的mask图案用掩膜的方式和训练集合在一起。再对合成后训练集图片按顺序做随机旋转,随机投影变换,随机平移,随机拉伸。用以上处理步骤来使训练集
图片更可能的接近测试集,来提高模型的泛化能力。
## 模型搭建
相应模型的具体细节可在model文件夹下查看相应源码。保存下来的模型只是效果较好的,中间调试了很多模型,效果不好的没有保存下来。
### 自定义模型
自定义模型分别是model目录下的84.84,84.96,85.1,87.64。总体思路就是按照卷积池化加全连接的顺序组合形式搭模型。
在训练调参的过程中发现,在卷积层上增加l2范数,以及卷积层和全连接层用RandomNormal初始化是有一定的效果的。同时发现,
在该比赛数据上用BatchNormalization模块,模型的LOSS值就根本下不去。这一点让我非常疑惑,按理来说BatchNormalization就是为了加速收敛以及轻微的正则化,
却在此失效,不是很理解其中的原因是什么。
在最后顺序结构调参无果时,自己尝试了一下自建残差模块(没有使用BatchNormalization),发现效果确实比之前的顺序结构要好很多。
但是,在此之后的用迁移学习的方法中发现,用在imagenet上预训练好的Resnet50却表现的非常差,cv集上的AUC值只有40%多一点,
这也让我更加怀疑是BatchNormalization模块的缘故。
### 迁移学习
迁移学习的模型分别是model目录下的93.73,95.47,95.67,95.94。用在imagenet上预训练好的VGG16,InceptionV3,InceptionResNetV2,Xception。
预训练的模型不带有全连接层,全连接层自己搭建并调参。其中Xception的效果是最好的,其次是InceptionResNetV2。
## 预测
用单模型去预测的分数,都在history文件夹内有写,单模型的分数并不是很高。之后采用融合模型的方法去预测。经过多次的尝试,用model目录下
93.73,95.47,95.67,95.94,87.64这5套模型去融合的效果是最好的。之后,尝试在融合过程中给5个模型分给别不同的权重,但发现都没有均分的效果来得好。
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等 人工智能大赛参赛作品,供参赛人员学习参考,含设计文档、源代码等
资源推荐
资源详情
资源评论
收起资源包目录
2019“添翼杯”人工智能创新应用大赛-智慧环保赛道---代码敲不队demo.zip (37个子文件)
2019-TianYiBei-AI-competition-demo-master
.gitattributes 33B
LICENSE 1KB
predict.py 2KB
demo.ipynb 12KB
predict.ipynb 69KB
history
95.94_88.89
captcha_adam_binary_crossentropy_bs_256_epochs_45.history 5KB
87.64_83.27
captcha_adam_binary_crossentropy_bs_256_epochs_45.history 5KB
93.73_85.9
captcha_adam_binary_crossentropy_bs_256_epochs_45.history 5KB
84.96_81.19
captcha_adam_binary_crossentropy_bs_256_epochs_50.history 6KB
95.47_87
captcha_adam_binary_crossentropy_bs_256_epochs_45.history 5KB
85.1_82.47
captcha_adam_binary_crossentropy_bs_256_epochs_50.history 6KB
95.67_89.61
captcha_adam_binary_crossentropy_bs_256_epochs_45.history 5KB
84.84_82.51
captcha_adam_binary_crossentropy_bs_256_epochs_50.history 6KB
model
93.73
__pycache__
pre_model.cpython-36.pyc 2KB
pre_model.py 2KB
85.1
model.png 158KB
__pycache__
pre_model.cpython-36.pyc 3KB
pre_model.py 3KB
95.67
__pycache__
pre_model.cpython-36.pyc 2KB
pre_model.py 2KB
84.84
model.png 202KB
__pycache__
pre_model.cpython-36.pyc 3KB
pre_model.py 4KB
95.47
__pycache__
pre_model.cpython-36.pyc 2KB
pre_model.py 2KB
87.64
model.png 359KB
__pycache__
pre_model.cpython-36.pyc 3KB
pre_model.py 3KB
95.94
__pycache__
pre_model.cpython-36.pyc 2KB
pre_model.py 2KB
84.96
model.png 123KB
__pycache__
pre_model.cpython-36.pyc 3KB
pre_model.py 3KB
.gitignore 11B
__pycache__
model.cpython-36.pyc 3KB
demo.py 6KB
README.md 4KB
共 37 条
- 1
资源评论
辣椒种子
- 粉丝: 3533
- 资源: 5721
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功