零基础入门语义分割-Task6 分割模型模型集成
文章目录
- 一、集成学习方法
- 二、深度学习中的集成学习
- 1.Dropout
- 2.TTA
- 3.Snapshot
一、集成学习方法
在机器学习中的集成学习可以在一定程度上提高预测精度,常见的集成学习方法有Stacking、Bagging和Boosting,同时这些集成学习方法与具体验证集划分联系紧密。
由于深度学习模型一般需要较长的训练周期,如果硬件设备不允许建议选取留出法,如果需要追求精度可以使用交叉验证的方法。
下面假设构建了10折交叉验证,训练得到10个语义分割模型。
那么在10个CNN模型可以使用如下方式进行集成:
- 对预测的结果的概率值进行平均,然后解码为具体字符;
- 对预测的字符进行投票,得到最终字符;
二、深度学习中的集成学习
1.Dropout
略
2.TTA
测试集数据扩增(Test Time Augmentation,简称TTA)也是常用的集成学习技巧,数据扩增不仅可以在训练时候用,而且可以同样在预测时候进行数据扩增,对同一个样本预测三次,然后对三次结果进行平均。
for idx, name in enumerate(tqdm_notebook(glob.glob('./test_mask/*.png')[:])):image = cv2.imread(name)image = trfm(image)with torch.no_grad():image = image.to(DEVICE)[None]score1 = model(image).cpu().numpy()score2 = model(torch.flip(image, [0, 3]))score2 = torch.flip(score2, [3, 0]).cpu().numpy()score3 = model(torch.flip(image, [0, 2]))score3 = torch.flip(score3, [2, 0]).cpu().numpy()score = (score1 + score2 + score3) / 3.0score_sigmoid = score[0].argmax(0) + 1
3.Snapshot
本章的开头已经提到,假设我们训练了10个CNN则可以将多个模型的预测结果进行平均。但是加入只训练了一个CNN模型,如何做模型集成呢?
在论文Snapshot Ensembles中,作者提出使用cyclical learning rate进行训练模型,并保存精度比较好的一些checkopint,最后将多个checkpoint进行模型集成。
由于在cyclical learning rate中学习率的变化有周期性变大和减少的行为,因此CNN模型很有可能在跳出局部最优进入另一个局部最优。在Snapshot论文中作者通过使用表明,此种方法可以在一定程度上提高模型精度,但需要更长的训练时间。
零基础入门语义分割-Task6 分割模型模型集成相关推荐
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task6:分割模型模型集成
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task5:模型训练与验证
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task4:评价函数与损失函数
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task3:网络模型结构发展
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task2:数据扩增方法
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline
[天池赛事]零基础入门语义分割-地表建筑物识别 Task1:赛题理解与 baseline(3 天) – 学习主题:理解赛题内容解题流程 – 学习内容:赛题理解.数据读取.比赛 baseline 构建 ...
- 【天池赛事】零基础入门语义分割-地表建筑物识别
https://tianchi.aliyun.com/competition/entrance/531872/introduction [天池赛事]零基础入门语义分割-地表建筑物识别:第一章 赛题及b ...
- 零基础入门语义分割——Task1 赛题理解
文章目录 一.赛题数据 二.数据标签 三.评价指标 四.读取数据 比赛地址:零基础入门语义分割-地表建筑物识别 一.赛题数据 遥感技术已成为获取地表覆盖信息最为行之有效的手段,遥感技术已经成功应用于地 ...
- 零基础入门语义分割-Task5 模型训练与验证
使用Pytorch来完成CNN的训练和验证过程,逻辑结构如下: 构造训练集和验证集: 每轮进行训练和验证,并根据最优验证集精度保存模型. train_loader = torch.utils.data ...
最新文章
- idea中 maven打包时时报错User setting file does not exist C:\Users\lenevo\.m2\setting.xml,
- opencl fft实例整理
- PolicyGradientMethods-强化学习
- Linux之物理页面的分配
- 在.NET Core中使用MongoDB明细教程(3):Skip, Sort, Limit, Projections
- 宏锦软件2015年的计划
- Android——最全的系统对话框(AlertDialog)详解
- 阿里云IoT规则引擎SQL参考
- 微信抢红包插件与Android辅助功能
- Weka安装后无法打开
- 论文引用内容计算重复率吗?
- 爬取百度文库内容(Selenium+BeautifulSoup)
- 解决打开VMware虚拟机时Take Ownership出错的问题
- 我在 B 站挖到了 9 款深藏不露的工具,每个都好用到爆!
- html5青蛙过河,[推荐]===PS4上的本地多人游戏推荐心得===家庭聚会,欢乐时光 (持续更新)...
- 90个外国英文网站强力推荐 (转)
- 哈工大C语言程序设计精髓 第十一周编程题
- 链栈的定义、构建、入栈、出栈和取栈顶元素
- js设置button和input不可点击
- 电信手机号段的归属地汇总l表
热门文章
- 利用docker-machine安装swarm
- linux/unix编程手册-6_10
- 装个discuz论坛
- Python打包文件夹(zip/tar/tar.gz)
- hdu 4715 Difference Between Primes 2013年ICPC热身赛A题 素数水题
- 2021鞍山市高考成绩怎么查询,鞍山师范学院
- linux系统修复找不到原安装,Linux 系统用安装盘来修复GRUB 详解
- 已经安装mysql xampp_windows 7 本机已安装mysql5的情况上 安装XAMPP
- 均值聚类散点图怎么画_用Excel制作一个漂亮的分类散点图
- Jmeter负载和压力测试