实验图片色调,明暗等对目标检测的影响
189******30 发布于2020-02 浏览:2307 回复:2
0
收藏

AI识虫练习赛
1.老师给的基线版本ImageEnhance.Brightness,ImageEnhance.Color等取值范围都设为0.5~1.5。训练100轮结果如下。最佳MAP83.44。


2.根据观察测试集数据分析得出:较暗的虫子检测召回率较低。模型主要基于形态而非色彩特征分类,前一个手写数字识别的模型通过黑白二值化处理提高了分类结果。所以第二次实验ImageEnhance.Brightness和ImageEnhance.Color范围设为0.1~1.2。训练100轮结果如下。最佳MAP83.23。


3.尝试增大图像增强的取值范围,让模型自己学习有效特征以及忽略无效特征。ImageEnhance.Brightness和ImageEnhance.Color取值范围设为0.1~1.9。训练100轮结果如下。最佳MAP86.46。


结论:1)深度学习应当在数据处理时尽量增加各种丰富多样性的样本,让模型自己选择有效的特征。2)人为调整突出某些特征无法增强模型效果,但造成的数据分布偏差也不会造成模型能力下降。深度学习果然是有自动进行特征工程能力的。

收藏
点赞
0
个赞
共2条回复 最后由用户已被禁言回复于2022-04
#3189******30回复于2020-02

验证集的loss与MAP的距离抖动是不成功的任意角度图片旋转造成的。后面取消了这个旋转,loss的上下幅度就平稳了许多,但观察的话,发现其实对MAP的影响其实不大。

0
#2189******30回复于2020-02

而且,在开始进行练习赛时,为了尽快提高MAP,我叠加使用各种图像增广方式,虽然取得了精度提升,但不知道到底各种图像增强的影响到底有多大。还是应该以基线版本为基准,分别测试每一种图像增广方式的效果。心急吃不了热豆腐。叠加各种方式的效果如下(反面示范)

0
TOP
切换版块