其实我觉得NLP稍微难一些
抽象，歧义多，一词多义，表达方式多这些都是他的特点，但是我觉得最难得还是主观性太强
我们在日常生活表达的时候都只会说个大概，听者会自动补全描述语。并且，在不同的环境下，同样的句子你可能补全的也不一样。
这只是个人观点。我也想听听大家的观点，欢迎大家留言
之前ppyolo里YOLOv3Head的anchors没改成聚类后的，改好以后起步直接就涨了10个点……
最高到多少了
额，我在跑另一个项目，就安全帽检测的那个。看起来效果还不错，ppyolo18和yolov3mobilenetv1基本持平了，在测试集上效果还更好，模型大小更是减半了——唯一的问题是lite部署还没搞定……
不应该是ppyolo更高一些吗
用的backbone不一样啊……是ppyolo18
奥奥
anchor影响竟然这么大，应该是大幅提高了召回率吧
如何确定anchor呢
实践。。。
先用了那个聚类的脚本，然后乱调……
emmm
感觉你们应该又经验
看你的分辨率了
NLP难
这样的嘛
这个东西确实没法说，反正我从一个菜鸡的角度，只能说多试试不同的size
车道线大佬那个分享太秀了，把天空都解掉再训练……
天空确实可以去掉
天空也没线反正 哈哈
论数据预处理的重要性
之前ppyolo里YOLOv3Head的anchors没改成聚类后的，改好以后起步直接就涨了10个点……
最高到多少了
额，我在跑另一个项目，就安全帽检测的那个。看起来效果还不错，ppyolo18和yolov3mobilenetv1基本持平了，在测试集上效果还更好，模型大小更是减半了——唯一的问题是lite部署还没搞定……
不应该是ppyolo更高一些吗
用的backbone不一样啊……是ppyolo18
奥奥
anchor影响竟然这么大，应该是大幅提高了召回率吧
如何确定anchor呢
实践。。。
先用了那个聚类的脚本，然后乱调……
emmm
感觉你们应该又经验
看你的分辨率了
NLP难
这样的嘛
这个东西确实没法说，反正我从一个菜鸡的角度，只能说多试试不同的size
车道线大佬那个分享太秀了，把天空都解掉再训练……
天空确实可以去掉
天空也没线反正 哈哈
论数据预处理的重要性