[当前最佳0.00000 @ypw/ 0.20631 @LeeJuly30] Kaggle ImageNet Dogs


#294

你应该检查 net.features 的结构而不是自己的代码,从图中的报错来看,应该是输入的数据维度是2维,这证明数据已经被 Flatten 过了,所有你需要在 GlobalAvgPool2D 和 Flatten 上面加一个 if 去屏蔽重复的操作,相信你能够做到的。


#297

inception_v3+resnet_152_v1: 0.21224


代码在 https://github.com/760chong/kaggle_dog
代码主要参考 @fiercex
不同的地方:
1)网络多了一个dropout且参数有变化
2)输入的图像大小inception_v3从原299x299 变成 363x363,resnet152_v1从
224x224 变成 288x288
3)inception_v3: 0.23179,resnet152_v1 :0.27800
4)组合inception_v3,resnet152_v1:0.21224
5)具体的组合代码请参考:@fiercex https://github.com/fierceX/Dog-Breed-Identification-Gluon


#298

![Screenshot from 2017-12-02 19-39-04|506x125](uploi ad://nf06nPN5BAYv5ooRlVg7UWD7Zcw.jpg)

参考了培神大法,模型features的ensembling
成绩其实属于培神。
向培神致敬!
下一步,希望在这个设计思路下,看看是否可以尝试搞出点新的有价值的新思路来。Screenshot from 2017-12-02 19-39-04


#299

大神说的对,我也遇到过,需要把提取的特征再加一个平均池化使特征都保持:
图片数通道数11,或者 图片数通道数 的shape
最简单的方法是升级你的mxnet,最新的mxnet model中都加入了平均池化


#301


ResNet152_v1+Inception_v3
参考了 @ych 的代码做了如下改动:
resnet图像resize到288x288 但是输出仍然是224x224
inception图像resize到363x363 但输出仍然是299x299
图像增强只设置了rand_mirror=True

特别重要的一点是由于在训练图像上面做了resize所以在测试集上一定要resize到同样大小
之前没有注意导致自己训练时的验证集和和提交的结果LOSS有差距 :joy:


#302

第一次参加kaggle,成功提交了,开心.没有使用Stanford dog dataset,继续炼丹去.感谢大家和社区提供这么好的学习资源 :grinning:


#303

学习了一波大神们的code,勉强跟上…


#304

先冒泡!


#305

恭喜恭喜,把 @ych 的最好成绩又稍微提高了一点~


#306


未使用Stanford dog dataset, inception_v3和resnet152融合


#307

代码参考@ypw,使用resnet-50和resnet-152。训练集:验证集微8:2,结果如下:但是测试结果传到kaggle上以后得分确是13.15.。。一直没找到原因。求大神们帮忙解答一下,为什么训练集验证集的结果感觉正常,一道测试集得分就是13-16分呢?


#308

应该是输出csv文件错位了,我也有过这个问题,但是我试了不同的方法,都没解决。最后跑测试集的时候干脆直接从原始文件读取计算。


#309

嗯,一直没发现哪里错位了。我也试一下一张一张图片测试。


#310


借鉴了 @ych 的做法 resize了图像大小,开了一个rand_mirror(发现增强全开结果并不好)。感觉这种做法还可以有提升。


#311

https://ypw.io/dogs-vs-cats-2/#more
培神,我用你的猫狗大战代码,提取特征的时候,慢的要死,等了好久都没输出结果,我的keras版本是2.0.5,您能把那部分提取特征的代码改一下,贴出来吗,期待您的回帖


#312


测试一下新的想法:
因为mxnet的 CreateAugmenter 每次只生成一张图片所以如果按照 @ypw 的方法先提特征再训练分类器训练样本就只有10222张 所以每次训练都会过拟合 :smile:
我现在的想法是在给训练集提取特征时重复n次 由于有数据增强这样大概相当于把样本扩大n倍?
还需要测试具体效果, 另外怎么在回复里打代码。。 :joy:


#313

不务正业系列

大家都在热火朝天的调参,我却不务正业搞别的。
最近想学学python在别的方面上的用处,就打算学学web。然后本着学以致用的原则,用这次训练好的模型建了一个小网页,上传图片返回分类结果。效果如下:

代码还在原来的仓库,只不过增加了一个app.py文件和一些js,css,html文件 https://github.com/fierceX/Dog-Breed-Identification-Gluon


#314


参考了ypw的代码,resnet152v1+inceptionv3,没有用standford dog


#315

大佬,那个猫狗大战的升级代码,再次期待中


#316

你好,请问可以分享一下resnet-50-v1的模型代码吗?