Google-Landmark-Recognition-Retrieval-2019:针对Google Landmark数据集上Kaggle挑战的银牌和铜牌解决方案

时间:2024-02-24 06:16:35
【文件属性】:

文件名称:Google-Landmark-Recognition-Retrieval-2019:针对Google Landmark数据集上Kaggle挑战的银牌和铜牌解决方案

文件大小:11KB

文件格式:ZIP

更新时间:2024-02-24 06:16:35

google computer-vision deep-learning kaggle-competition keras-generators

2019年Google Landmark识别和检索挑战 该解决方案在“标识别排名第31,在“排名第38,并且具有适合在Kaggle内核中运行的代码。 挑战 公开LB GAP 私人LB GAP 承认 0.09273 0.10926 恢复 0.09373 0.11383 Keras中的代码已分为多个单独的文件,以实现更好的组织。 recognition.py文件将所有内容串在一起以训练模型并创建识别挑战的提交。 retrieval.py文件将加载针对识别问题而训练的模型,并创建提交。 预训练的模型可以在。 数据集 该数据集可在。 训练集包括大约500万个训练集图像(500 GB),大约700K图像用于索引集(检索问题)和110K测试图像。 Kaggle内核的方法 该解决方案完全在Kaggle Kernels上运行。 由于数据集的大小约为500 GB,因此该培训是采用“下载-培训-放弃”方法进行的。 在每个小时代中,数据生成器从500个tar文件中下载了一个tar文件; 提取从有效图像创建批处理,并在时代结束时删除了所有文件。 可以在generators.py找到所使用的ge


【文件预览】:
Google-Landmark-Recognition-Retrieval-2019-master
----generators.py(5KB)
----test.py(0B)
----retrieval.py(6KB)
----LICENSE(1KB)
----metrics.py(2KB)
----recognition.py(8KB)
----README.md(4KB)
----utilities.py(1KB)

网友评论