文件名称：open-solution-mapping-challenge:面向制图挑战的开放式解决方案
文件大小：258KB
文件格式：ZIP
更新时间：2024-05-24 00:15:31
python competition data-science machine-learning deep-learning
制图挑战赛的开放式解决方案 笔记 不幸的是，我们不能再为此仓库提供支持。 希望它仍然可以正常工作，但是如果不能正常工作，我们将无能为力。 更多比赛 :sparkler: 检查收集 ，您可以在其中找到具有代码，实验和输出的多个Kaggle竞赛。 海报 :globe_showing_Europe-Africa: 总结我们项目的海报。 介绍 竞赛的开放式解决方案。 在公共项目页面上查看我们工作的实时预览： 。 源代码和是公开可用的。 结果 0.943平均精度 :rocket: 0.954平均召回率 :rocket: 我保证不要在这里摘樱桃 :winking_face: 。 结果超出了我们的预期。 网络的输出是如此之好，以至于不需要很多形态的恶作剧。 快乐的时光：） 使用pycocotools根据第1阶段的数据计算平均精度和平均召回率。 查看此博客文章以了解平均精度。 免责声明 在此开源解决方案中，您将找到对neptune.ai的引用。 它是面向社区用户的免费平台，我们每天都使用它来跟踪我们的实验。 请
【文件预览】：
open-solution-mapping-challenge-master
----.gitignore(1KB)
----README.md(12KB)
----.github()
--------ISSUE_TEMPLATE()
----environment.yml(567B)
----LICENSE(1KB)
----PULL_REQUEST_TEMPLATE.md(427B)
----CONTRIBUTING.md(999B)
----main.py(3KB)
----src()
--------pipeline_config.py(9KB)
--------pipelines.py(20KB)
--------models.py(19KB)
--------pipeline_manager.py(11KB)
--------postprocessing.py(14KB)
--------cocoeval.py(23KB)
--------utils.py(14KB)
--------callbacks.py(11KB)
--------preparation.py(9KB)
--------__init__.py(0B)
--------augmentation.py(4KB)
--------steps()
--------unet_models.py(15KB)
--------loaders.py(21KB)
----CODE_OF_CONDUCT.md(3KB)
----neptune.yaml(2KB)
----notebooks()
--------results_exploration.ipynb(231KB)
----REPRODUCE_RESULTS.md(5KB)
----Makefile(367B)