Whale Recognition Model with score 0.78563
原文地址：https://www.kaggle.com/martinpiotte/whale-recognition-model-with-score-0-78563
亮蓝色字体为译者注
鲸鱼分类模型
本文记述了座头鲸挑战赛0.78563提交成绩的算法策略。
本文应该与 Bounding Box模型同时使用，它描述了如何将目标从图像中裁剪出来的策略1。
为了加快运行速度，一些较慢的计算结果已经作为数据集包含在内，而不是重新计算。不过尽管这部分代码不执行，我们依然会将代码提供出来2。
摘要
本文的方法是训练一个Siamese网络，稍后会详细介绍一些修改的部分。对精度提升帮助最大的部分是在训练过程中生成图像对。每次训练都使用一系列图像对（A，B），规则如下：
- 图像对中50%来自匹配的鲸鱼，另50%来自不同的鲸鱼
- 在每个训练时期，来自训练集的每张图片将被使用四次：匹配鲸鱼的A和B图像，不同鲸鱼的A和B图像。
- 在训练阶段，需要选择使网络难以区分的不同鲸鱼的图像对。这是受到对抗性训练的启发：找到来自不同鲸鱼的成对图像，但模型看来却十分相似。
在训练网络的同时实施上述策略对精度的提升最大。其他细节在某种程度上对准确率也有贡献，但影响要小得多。
概观
本文记录了提交成绩的所有细节。显然，要涵盖一切，它必须相当长。我鼓励大家直接跳到最感兴趣的地方，而不必经历一切。
内容
- 重复图像的识别（这边需要看的不多，继续前进）
- 图像预处理（只是一些常规的东西）
- Siamese网络架构（一些有趣的想法）
- 训练数据架构（大部分秘籍都在这里）
- 训练过程（需要很长时间，睡觉。。。。）
- 生成提交文件（继续睡。。。）
- Bootstrapping 与 ensemble（经典但是短）
- 可视化（每个人都喜欢！）
- 题外话（除非它有趣，不然为啥添加这个？）
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/43827.html