YY

  • 15

    获得赞
  • 0

    发布的文章
  • 1

    答辩的项目

参赛总结分享给大家,共同交流和进步!

Batch大小为24,循环次数为30次,损失函数优化完,最终完成评分为93.12。

最后更新 2020/03/31 18:53 阅读 1154

遥感影像场景分类预测

最后更新 2020/03/31 18:53

阅读 1154

PyTorch SENet

首先申明一下自己是初学者,接触深度学习不到一年,希望通过比赛结识更多志同道合的同仁,共同交流和进步!作为经典的场景分类问题,该题具有较好的应用价值,相关的研究和比赛也很多,有兴趣的同仁可以进一步检索一下。  

赛题难点分析

  • 赛题选取的数据量和尺寸较大,训练集达到80000多,测试集未知,图片分辨率不一,平均在512*512左右,且比赛平台并没有公开数据来源,无法构造完全等价的线下测试环境,同时,选择何种图片采样手段、分辨率没有先验标准,需要耐心的设计实验去选取。因此每一个版本的训练时间较长,平均在10-20小时左右才能看出显著的效果,需要耐心和一定的经验;
  • 类别45个,比赛评价指标为每类F1的平均值(macro avg),理论上类别越多难度越大,可能需要关注样本是否存在不平衡的现象,或者不同类别的分类难度是否存在较大的差异;
  • 另外,从示例图片观察,某些场景可能还存在二义性、混淆,甚至疑似错误标注,数据质量相比其他遥感数据有一定差别;
  • 场景分类可能是细粒度、粗粒度兼有的一种分类问题,轮廓、纹理、对象分布可能都跟分类有关,具体选取那种Backbone,从已有的文献和开源项目看,没有一个统一的标准,所以还得暴力去试。     
  • 总之,该题的挑战就是,每一次调参周期长,数据质量分布不一致容易过拟合,要在有限的时间、积分条件下尽可能找到一个较好的网络架构、学习率、优化器、批次和迭代次数大小的组合。     

核心思路

在实际的模型开发和实验迭代中:深度学习框架选取了keras,线下实验环境下载了NWPU-RESISC45数据集来模拟赛题(http://www.escience.cn/people/JunweiHan/NWPU-RESISC45.html),该数据集30000多样本,选20000做训练,10000做测试,自己的方法大概能做到96.6的准确率。

  • 预处理方面,因为没有均值和标准差的信息,同时该数据集与ImageNet有一定差别,所以直接用最大最小缩放中心化来处理,图片大小选取了224、256、320、384四种组合进行测试。
  • 模型选择方面,由于平台特性和限制,分别试验了DenseNet、ResNet、Inception v3、Inception ResNet v2进行比较。同时也发现,尽管样本多达80000,但从头训练还不足以提取和学习到足够的特征,因此一律采用预训练权重。
  • 数据增强,为了缓解过拟合,综合运用了Flip,Rotate,Zoom等手段,这个环节主要通过线下调参得到,不一定是最优的增强策略。
  • 损失函数,用到了标签平滑技术,比较成熟和常见的手段了。
  • 优化器和学习率的控制,Keras自带的Adam,学习率用到了Warmup Scheduler。
  • 没有用到后处理、测试增强和模型集成。应该还有提升空间。     

比赛经验总结

多试验,多看大牛代码找灵感。经验和技巧相比大牛还是有较大差距,希望能够得到大牛的指正。声明:该代码仅用于供大家学习所用,整体思想和原创代码请勿直接拿来参赛、开发商业产品、学术发表,本人保留所有原创代码的商业收益权、学术发表权。

本文为作者在FlyAI平台发布的原创内容,采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/n/53074
立即参加 遥感影像场景分类预测
代码展示

PyTorch SENet

选择查看文件
$vue{codeKeys}
  • $vue{ix}
赞赏贡献者还可以查看和下载优质代码内容哦!
赞赏 ¥201.00元
©以上内容仅用于在FlyAI平台交流学习,禁止转载、商用;违者将依法追究法律责任。
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除
感谢您的关注
该篇内容公开后我们将会给你推送公开通知
好的
发布成功!
您的公开申请已发送至后台审核,
通过后将公开展示本详情页!
知道了
向贡献者赞赏
¥201.00
微信支付
支付宝

请先绑定您的微信账号 点击立即绑定

立即支付
温馨提示:
支付成功后不支持申请退款,请理性消费;
支付成功将自动解锁当前页面代码内容,付款前请确认账号信息。
微信扫码支付
请前往Web网页进行支付

敬请谅解,如有疑问请联系FlyAI客服

知道了
举报
请选择举报理由
确定
提示
确定要删除?
取消删除