深度學習7日入門cv疫情特輯學習心得

直播內容包含兩個部分，理論和實踐，課後需要完成每次的作業和一次比賽。整個課程的內容還是比較豐富的，參加課程前還是需要掌握基本的python和深度學習基礎知識。

其中幾次作業雖然標題不一樣，資料不一樣，本質上都是分類任務。day2對於不同的手勢進行分類，day3是對於切割後的車牌字元（省份簡稱和字母、數字）進行分類，day4對於戴口罩和不戴口罩的人臉進行二分類。這三個作業主要就是去搭不同結構的網路，相同的步驟就是：

1.資料處理：從給定資料夾讀資料和相應的label，自定義資料的reader

2.定義網路：卷積conv2d，池化pool2d，全連線linear 分類網路主要就是使用這三種操作

3.網路訓練：選定一種優化器optimizer，設定初始學習率，迭代次數

4.模型校驗：eval模式，使用測試集進行準確率評估

通用的調優技巧：

比賽時間緊張，就大概看了一下 csrnet: dilated convolutional neural networks for understanding the highly congested scenes, cvpr2018

整個網路架構很簡單，就是vgg backbone接空洞卷積，生成密度圖，**裡寫到配置b效果最好。

比賽中提供資料的標註方式有兩種：1.number+ 人的檢測框 2.number + 頭部點

csrnet需要將標註轉換成密度圖，然後進行訓練，實際跑下來，效果不是很好，和其他同學交流下來做到的精度度也是差不多

排名比較靠前的方案有：直接回歸，目標檢測，最後請了第二名同學來分享，用的方法是頭部點轉頭部框，檢測頭部+檢測人接nms，想法還是挺好的。

實際上比賽的資料並不是非常crowd，一張影象裡至多也就幾十人，最少兩三人。

對於這個方向之後有空會研讀一下綜述**，感覺這個課題還是挺有意思的，而且感覺還有繼續挖掘的潛力。