本次新人賽是 datawhale 與天池聯合發起的[零基礎入門系列賽事——零基礎入門語義分割之地表建築物識別]。
賽題以計算機視覺為背景，要求選手使用給定的航拍影象訓練模型並完成地表建築物識別任務。為更好的引導大家入門，我們為本賽題定製了學習方案和學習任務，具體包括語義分割的模型和具體的應用案例。在具體任務中我們將講解具體工具和使用和完成任務的過程。
本次賽事分為兩個階段，分別為正式賽及長期賽。
在正式賽後，本場比賽將長期開放，報名和參賽無時間限制。每天每位參賽選手可提交 3 次完成初賽打分；排行榜每小時更新，按照評測指標得分從高到低排序；排行榜將選擇歷史最優成績進行展示。
資料說明
評價函式
賽題使用dice coefficient來衡量選手結果與真實標籤的差異性，dice coefficient可以按畫素差異性來比較結果的差異性。dice coefficient的具體計算方式如下：
2 ∗∣
x∩y∣
∣x∣+
∣y
∣\over }
∣x∣+∣y
∣2∗∣
x∩y∣
其中x是**結果，y為真實標籤的結果。當x與y完全相同時dice coefficient為1，排行榜使用所有測試集的平均dice coefficient來衡量，分數值越大越好。
filename
size
link
test_a.zip
314.49mb
test_a_samplesubmit.csv
46.39kb
train.zip
3.68gb
train_mask.csv.zip
97.52mb
q：使用預訓練模型出現視訊記憶體溢位問題
a：1. 減小模型訓練的batch size；2. 更換硬體條件【建議：先隨機從訓練集中抽取一些資料跑通baseline】。
q： baseline中transform.normalize裡的引數是官方建議的標準化引數嗎？
a：使用預訓練的模型時，輸入資料要與預訓練的資料做同樣的處理，即保持類似的分布，不同框架以及不同預訓練模型的引數不同，以pytorch為例，可參考文件：
q：如何安裝gdal、rasterio、tqdm等庫？
a：在jupyter notebook中使用!pip install some_package --user或者在terminal中使用pip install some_package --user命令。
注：q：關於天池的常見問題，如資料掛載、第三方庫安裝、dsw操作等a：請參考天池的新手文件：opencv(cv2)安裝命令：
python -m pip install opencv-python
q：**執行有問題，或者環境配置完後但使用不了第三方庫
a：1. 重啟kernel或者python服務；2.若涉及到路徑，請檢視路徑是否包含中文【雖然python3對中文編碼進行了處理，但最好還是優先使用英文:)】；3. 重新建立新的虛擬環境，重新配置第三庫【防止原始環境的第三方庫版本不適合】。
q：天池儲存空間達到上限【免費空間為5g】，無法安裝庫或者解壓資料等操作
a：1.若條件允許，優先使用本地計算機操作；2.若本地條件不允許，可使用kaggle或colab；3.適合薅羊毛的平台：贈送8元點券，每邀請乙個好友贈送8元】和註冊後有100元的註冊券，可以免費用20+小時，邀請乙個好友送50】
q：賽題內容以及baseline的講解直播如何**？q：**output = model(image)['out']中的['out']能不能刪除
a：不能，baseline中的fcn模型有兩個輸出，只取out部分。
a：1. 天池解壓可能導致檔案損壞；2. 檢視檔案路徑是否正確。
q：如何切換相應環境的kernel？
a：分以下兩步：
python -m ipykernel install --name name #將環境新增到jyputer中（name是此環境顯示在jyputer中的名稱，可自定義）
```
q：幾個提公升模型精度的思路
a：1. 使用更強的資料增強方法；2. 模型調參，如學習率、影象尺寸等；3. 調整優化演算法、損失函式，考慮正則方法；4 . 更換更強模型，如unet、deeplab等；5. 考慮整合方法；6. ……
注：q：如何載入本地模型引數？a：兩種方法：注意樣本的分配，繪製學習曲線，基於模型的學習效果（是否過擬合、欠擬合）來確定合適的優化策略；
具體請參考本次學習的pdf教程以及datawhale往期的學習～
# 先初始化模型，再讀取模型引數（適用於檔案只儲存了引數）
model = themodelclass(
*args,
**kwargs)
model.load_state_dict(torch.load(path, map_location=device)
)#map_location為切換裝置
# 直接讀取模型（適用於檔案既儲存了模型結構以及引數）
model = torch.load(path, map_location=device)
q：rle編碼shape要求必須是512麼？若將編碼引數shape改為128會導致識別率驟降麼？
a：1. shape不是必須為512的，但是編碼前和解碼後的影象尺寸要一樣（本題影象資料的尺寸為512*512，所以該引數設為512）；2.rle只是編碼，不是降維，如果直接改shape，就相當於編碼內容錯誤，所得資訊不是影象的正確表達，自然識別率會驟降。所以在本題中，先編碼成512，之後隨便縮放。
Datawhale 零基礎入門CV賽事
本章將會講解卷積神經網路 convolutional neural network,cnn 的常見層，並從頭搭建乙個字元識別模型。學習cnn基礎和原理 使用pytorch框架構建cnn模型，並完成訓練 卷積神經網路 簡稱cnn 是一類特殊的人工神經網路，是深度學習中重要的乙個分支。cnn在很多領域都...
Datawhale 零基礎入門CV賽事
在機器學習模型 特別是深度學習模型 的訓練過程中，模型是非常容易過擬合的。深度學習模型在不斷的訓練過程中訓練誤差會逐漸降低，但測試誤差的走勢則不一定。在模型的訓練過程中，模型只能利用訓練資料來進行訓練，模型並不能接觸到測試集上的樣本。因此模型如果將訓練集學的過好，模型就會記住訓練樣本的細節，導致模型...
零基礎入門語義分割 Task2 資料擴增
顏色變換 kernel filters mixing random erasing opencv的資料擴增 albumentations資料擴增 pytorch 處理 顧名思義，資料擴增的原因是原始資料量不足，希望通過擴增達到 mnist 在 20 到20 之間沒問題 加大旋轉角可能會影響標籤 平移...