來源：投稿 作者：LSC
編輯：學(xué)姐

比賽名次

最終分?jǐn)?shù)0.98079分，排名第一

賽題任務(wù):

基于Caltech數(shù)據(jù)集的圖像分類，Caltech101包含102個(gè)類，每種類別大約40到800個(gè)圖像，訓(xùn)練集總計(jì)7999圖像。本次試題需要圖片為輸入，通過課程學(xué)習(xí)的分類方法（支持向量機(jī)、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等）從中識(shí)別該圖像屬于哪一個(gè)類別。

數(shù)據(jù)說明

images下存儲(chǔ)所有的訓(xùn)練+測(cè)試圖像，trian.txt中存儲(chǔ)用于訓(xùn)練圖像路徑和對(duì)應(yīng)標(biāo)注，圖片路徑+\t+標(biāo)簽，test.txt中存儲(chǔ)測(cè)試圖像。

限制

只能用paddle框架和在astudio上運(yùn)行代碼

提交答案

考試提交，需要提交模型代碼項(xiàng)目版本和結(jié)果文件。結(jié)果文件為TXT文件格式，命名為result.txt，文件內(nèi)的字段需要按照指定格式寫入。

結(jié)果文件要求：

• 每一行為：圖像名\t標(biāo)簽 101_0073.jpg\t13

• 輸出結(jié)果應(yīng)檢查是否為1145行數(shù)據(jù)，否則成績(jī)無效。

• 輸出結(jié)果文件命名為result.txt，一行一個(gè)數(shù)據(jù)

基本思路

為了方便使用各種技巧，我使用了paddlex框架，這是由paddle寫出的封裝性強(qiáng)、使用便捷的框架，并且對(duì)數(shù)據(jù)集劃分訓(xùn)練集和驗(yàn)證集，使用有知識(shí)蒸餾的技巧的resnet101模型。

訓(xùn)練前我對(duì)訓(xùn)練集使用了數(shù)據(jù)增強(qiáng)，包括隨機(jī)翻轉(zhuǎn)、mixup、正則化等，訓(xùn)練時(shí)采用了標(biāo)簽平滑、學(xué)習(xí)率衰減等策略，模型準(zhǔn)確率達(dá)到97%，我再將全部的數(shù)據(jù)都放進(jìn)模型訓(xùn)練，對(duì)測(cè)試集進(jìn)行測(cè)試，提交后準(zhǔn)確率達(dá)到98%。

關(guān)注【學(xué)姐帶你玩AI】公眾號(hào)

kaggle新賽stable diffusion火熱報(bào)名中

回復(fù)“diffusion”獲取baseline代碼數(shù)據(jù)集，感興趣的同學(xué)快來！