天池比赛，kaggle等等（Keras/PyTorch实战）

# 2019年县域农业大脑AI挑战赛 <font color=red>由于精力有限，事务繁忙；本赛题花费时间较短，没做什么操作，提交只有几次。撒花🤣🤣🤣。</font> ## 赛题解读 1. 网格化农作物产产能精准预测 2. 兴仁市是我国薏仁米主产区 ## v1.0 基于分类： 1. 根据标记像素所占比例，分出四类； 2. 四分类，获取基本模型； 3. 在基本模型上，对其他类（标记为0）进行清洗； 4. 微调基本模型； 5. 分类，~~后处理~~，出结果。 在线精度：0.1792。切割尺寸：224。 - 可以尝试结合上述数据清洗的思路，清洗完后使用语义分割模型。 ## v2.* 使用Unet-densenet121语义分割，不固定前端。切割大小512，旋转变换增强后分类输入384，损失函数cce_jaccard_loss。 在线精度：0.2495。 使用Unet-densenet121语义分割，切割大小1500，旋转变换增强Resize到384输入，损失函数cce_dice_loss。 没来的及提交。下面是效果图。 <img src="data/20190720105651.png" width=40%><img src="data/20190720105717.png" width=40%> ## 总结 - 分割问题还是用分割来做，当然如果时间精力较多，可以尝试分类方案，但效果应该没分割好。 - 掌握时间，合理安排事务，看远点调度。时间有限时，先试用经典的损失函数，网上的方案（有的已经帮你排除了一些奇怪的设置）。