文件名称：matlab计算夏普比率代码-Kaggle-Denoise-Dirty-Documents:Kaggle-Denoise-脏文件
文件大小：2.21MB
文件格式：ZIP
更新时间：2024-06-09 03:48:18
系统开源
matlab计算夏普比率代码问题陈述 开发ML解决方案以消除旧书页/手写文档的扫描副本中的噪音（标有污渍，茶痕，太阳斑-尽管挑战是合成噪音）。 去噪后的扫描页面有助于光学字符识别-一种将旧的打印文本转换为数字格式以提高可访问性的技术。 复杂程度：中等（3岁起） 数据集：添加了合成噪声的扫描页面-（火车，火车清洁过的），测试 目标：rmse = 0.0275 b / w清洁和实际（ground_truth）图像的像素强度 交付成果：使用winograd的Keras实现 提交文件： 故障分析 最初，我花了很多时间来掌握collab env（1W）和阅读*kaggle解决方案（1W），以实现发布的解决方案主要是ML方法，并且着重于图像处理（因此，我的兴趣领域集中在探索概念上）。 此外，初始得分跃升至0.06令我感到步入正轨，但很快我意识到在第一周的构建过程中并不能改善，因此在第二周开始尝试使用自动编码器（未在图片上放弃）处理中）。 尽管通过学习自动编码器和ML /图像处理技术确实提高了分数（无法学习），但是由于OOM在每个接收场计算中增加n / w深度时出现OOM错误，因此得分不会超过0.
【文件预览】：
Kaggle-Denoise-Dirty-Documents-master
----autoencoder_op.png(118KB)
----v5_0_DEEPAK_KAPOOR_Session7.ipynb(823KB)
----v3_0_DEEPAK_KAPOOR_Session7.ipynb(495KB)
----median_filter_&_threshold.png(65KB)
----test.png(188KB)
----DEEPAK_KAPOOR_Session7_denoiseDirtyDoc_autoencoderSoln.ipynb(420KB)
----Screen Shot 2018-06-30 at 1.58.06 PM.png(151KB)
----README.md(27KB)
----v1.0_DEEPAK_KAPOOR_Session7.ipynb(374KB)
----v4_0_DEEPAK_KAPOOR_Session7.ipynb(608KB)
----v2.0_DEEPAK_KAPOOR_Session7.ipynb(53KB)