屋内シーン認識タスクエントリレイダース！まず、経験の共有、マレーナ。
まず、ゲームの問題
コンピュータビジョンの分野における屋内シーン認識が悪いよりも屋内エリアの屋外のシーン分類モデルのパフォーマンスに最適な困難な問題であり、その難しさは、いくつかの屋内のシーンが良くグローバル空間を特徴とすることができるということですが、説明するが、他のシナリオは、シーンに含まれるオブジェクトの特定の機能をよりよく説明することができます必要があります。
そのため、どのように正確にゲームの難易度を予測するために、地元の機能とグローバル機能の画像を抽出するかが問題です。
- このデータセットに67屋内シーンカテゴリの合計を含む、15620枚の画像の合計は、各カテゴリには6の比に少なくとも100枚の画像、トレーニングセット、検証セットとテストセットを有する：2：2。
- データは、一般に、300 * 400の同様の大きさに集中100画像サイズを観察しながら、大量に画像を設定するだけでなく、512×512以上の適切なサイズを選択するときに1000年* 1000より適度に考慮個々あります
第二に、コアアイデア
- 屋内のシーン分類データセットなので、我々はあなたが同様のplace205、place365プレトレーニングウエイトモデルトレーニング重いために設定データを分類し、他の同様のインテリアシーンを見つけることができ、データ・セットに関連するトレーニング方法を見つけるために行くことができる、あなたは事前にトレーニングウェイトトレーニング、結果をロードすることができます相対は良くなるが、その後、実際には、単にあまりにも重いが、右imagenet事前に訓練を受けたとほぼ同じ効果を得ることができ、見つかったでしょう、信用のほとんどは調整パラメータによるものです。
- パラメータ調整は、データ前処理の非常に重要な部分は、効果が低減され、輝度調整試み、ファジィ処理動作を垂直方向と水平方向の反転を試み、効果が減少するので、全くエンハンスメントデータは、単に存在しないです。
- 彼らは比較的適切な学習率を見つけることができます前に、トレーニング中、コサインアニーリング方法を使用することは、非常に多くの時間を調整するために中間もニーズに、学習率を低減します。
- 最後のステップは、代替モデル、変更を行うベースモデルを決定するために大きな違いモデルを試すための最良の始まりです。最後に、時間の動作テストは、あなたは、データ拡張を追加することができます混在成功との融合モデル、あなたは試して行くことができるさまざまな方法であってもよいです。
第三に、ゲームの経験の概要
- データセットは、トレーニング時間はトレーニングのための右のモデルを選択するには、事前に比較的長い、大きい、最も重要です。
- 細かい選択の途中でモデルに似適切なモデルを選択した後、いくつかのデータセットは本当にアーキテクチャモデルを食べるので、モデルを選択するように注意してください、間違ったモデルは、パフォーマンスの向上を制限し、間違ったステップバックは時間の無駄です。
- テストへの能力は、その後、あなたがテストの時に強化追加できた場合は、効果がさらに改善される可能性があります。
この記事では、使用して、元のコンテンツの著作者FlyAIプラットフォームのリリースで、クリエイティブコモンズ帰属-非営利-改変禁止について4.0国際ライセンス契約、再現ライセンスは、オリジナルのソースリンクと、この文を添付してください。
このリンクアドレス（説明するための直接ビデオ）：https://www.flyai.com/n/94902
