來源：投稿 作者：LSC
編輯：學(xué)姐

比賽網(wǎng)址

https://xihe.mindspore.cn/competition/3/0/introduction

賽題任務(wù)

圖像分類是計算機(jī)視覺中最基礎(chǔ)的任務(wù)，目前圖像分類的算法仍然在飛速發(fā)展。本賽題旨在讓參賽者熟悉MindSpore并鍛煉參賽者使用MindSpore進(jìn)行圖像分類預(yù)處理、圖像分類的能力。 同時為了考察參賽者應(yīng)對大量數(shù)據(jù)的處理能力，本賽題采用Celtech多類別圖像數(shù)據(jù)集。

注意事項(xiàng)

本次比賽只能使用基于昇思MindSpore框架實(shí)現(xiàn)的深度神經(jīng)網(wǎng)絡(luò)模型

Mindspore深度學(xué)習(xí)框架是華為開發(fā)的，總體類似于tensorflow2.0和pytorch，不過目前體驗(yàn)不太好，生態(tài)也不成熟，目前還不如國內(nèi)百度的paddlepaddle

我是在autodl平臺上運(yùn)行代碼的，要先把數(shù)據(jù)集下載上傳到平臺上。由于autodl沒有mindspore框架的鏡像，所以要自己從0安裝，參考mindspore官網(wǎng)的安裝教程:https://gitee.com/mindspore/mindspore

Baseline代碼如下

首先是安裝環(huán)境

解壓數(shù)據(jù)集

查看256個類別的圖像總數(shù)和每個類別的圖像的數(shù)量

對數(shù)據(jù)集進(jìn)行劃分

讀取數(shù)據(jù)集

數(shù)據(jù)增強(qiáng)

總的來說，這是很通常的做法，但是無論換什么模型，準(zhǔn)確率最高都只能是85%左右，提交上去只有81.7%，后續(xù)復(fù)賽需要對數(shù)據(jù)進(jìn)行清洗，使用更多的數(shù)據(jù)增強(qiáng)和模型融合等進(jìn)行優(yōu)化。

學(xué)姐整理了近五年經(jīng)典比賽baseline合集資料

需要的同學(xué)關(guān)注【學(xué)姐帶你玩AI】公眾號

回復(fù)“all in”免費(fèi)領(lǐng)