文件名称:detect_steel_number:DCIC 钢筋数量AI识别 baseline 0.98+
文件大小:6.83MB
文件格式:ZIP
更新时间:2024-05-26 08:47:42
mask-rcnn Python
比赛地址 环境依赖 ubuntu, python3, tensorflow, keras, skimage, opencv-python, numpy, pandas, matplotlib等 我的方案 关于检测/分割模型选择 尝试了 retinanet、faster rcnn、fpn 和 msak rcnn ,其中 mask rcnn 得分 0.980,从 kaggle 上得知使用 U-Net 全卷积网络进行语义分割可能效果比较好,目前还没有尝试。 关于预训练模型 经过后期大佬分享,建议选用 coco 预训练模型。 关于优化器选择 前期选择默认 SGD 优化器,后来在 60epoch 后选择用 Adam 优化器。 I found that the model reaches a local minima faster when trained using Adam optimizer c
【文件预览】:
detect_steel_number-master
----setup.py(2KB)
----images()
--------8433365521_9252889f9a_z.jpg(178KB)
--------8053677163_d4c8f416be_z.jpg(220KB)
--------6584515005_fce9cec486_z.jpg(142KB)
--------6821351586_59aa0dc110_z.jpg(212KB)
--------4410436637_7b0ca36ee7_z.jpg(124KB)
--------8829708882_48f263491e_z.jpg(237KB)
--------3132016470_c27baa00e8_z.jpg(170KB)
--------8239308689_efa6c11b08_z.jpg(221KB)
--------9247489789_132c0d534a_z.jpg(282KB)
--------3800883468_12af3c0b50_z.jpg(120KB)
--------2516944023_d00345997d_z.jpg(177KB)
--------2502287818_41e4b0c4fb_z.jpg(131KB)
--------262985539_1709e54576_z.jpg(122KB)
--------1045023827_4ec3e8ba5c_z.jpg(138KB)
--------8512296263_5fc5458e20_z.jpg(146KB)
--------9118579087_f9ffa19e63_z.jpg(301KB)
--------4782628554_668bc31826_z.jpg(224KB)
--------3878153025_8fde829928_z.jpg(86KB)
--------README.md(124B)
--------8734543718_37f6b8bd45_z.jpg(163KB)
--------3651581213_f81963d1dd_z.jpg(147KB)
--------8699757338_c3941051b6_z.jpg(234KB)
--------7933423348_c30bd9bd4e_z.jpg(209KB)
--------12283150_12d37e6389_z.jpg(67KB)
--------3862500489_6fd195d183_z.jpg(94KB)
--------5951960966_d4e1cda5d0_z.jpg(157KB)
--------3627527276_6fe8cd9bfe_z.jpg(157KB)
--------2383514521_1fc8d7b0de_z.jpg(203KB)
--------25691390_f9944f61b5_z.jpg(176KB)
--------7581246086_cf7bbb7255_z.jpg(142KB)
----requirements.txt(119B)
----MANIFEST.in(58B)
----samples()
--------gangjin()
----LICENSE(1KB)
----setup.cfg(99B)
----asserts()
--------README.md(17B)
----README.md(4KB)
----mrcnn()
--------__init__.py(1B)
--------parallel_model.py(7KB)
--------utils.py(33KB)
--------README.md(143B)
--------config.py(9KB)
--------visualize.py(19KB)
--------model.py(124KB)
----logs()
--------README.md(64B)