🧠Datawhale AI 夏令营 CV 赛事实践（二）CNN原理与进阶技巧以及冲分思路（长期赛第4）
2023-7-21
| 2024-1-30
0  |  阅读时长 0 分钟
type
status
date
slug
summary
tags
password
category
Property
Jan 30, 2024 11:52 AM
icon

0 CNN可视化工具

An Interactive Node-Link Visualization of Convolutional Neural Networks
https://adamharley.com/nn_vis/

1 跑通CNN Baseline（详细注释）

CNN的Baseline得分为0.47423

2 CNN 改进

2.1 调参

把训练轮数从10轮改为30轮，得分0.70588
notion image

2.2 三维卷积

notion image
上篇说到，该题nii数据是4维的，分别为宽度、高度、深度、时间，由于最后一个维度时间不太需要，故可以在读取数据时把它去掉，代码如下：
或许可以参考monai框架3维分类的示例教程改：
github.com
https://github.com/Project-MONAI/tutorials/blob/main/3d_classification/densenet_training_array.ipynb
http://giantpandacv.com/academic/语义及实例分割/医学图像的 AI 框架 MONAI 详细教程（一）/
也可以参考这个项目：
MosMedData: 新冠肺炎胸部 CT扫描数据集上基于3D-CNN实现二分类-使用文档-PaddlePaddle深度学习平台
作者: WangXi2016 日期: 2022.10.27 摘要: 本示例教程使用3D CNN实现CT数据二分类。 本示例将展示构建3D卷积神经网络（3D CNN），以预测电子计算机断层扫描（CT）
MosMedData: 新冠肺炎胸部 CT扫描数据集上基于3D-CNN实现二分类-使用文档-PaddlePaddle深度学习平台
https://www.paddlepaddle.org.cn/documentation/docs/zh/practices/cv/3D_image_classification_from_CT_scans.html#cnn-conv3d
基于飞桨实现肺部 CT 扫描的 3D 图像分类 - 飞桨AI Studio
此示例将展示构建 3D 卷积神经网络 (CNN) 以预测计算机断层扫描 (CT) 扫描中病毒性肺炎的存在所需的步骤。 - 飞桨AI Studio
基于飞桨实现肺部 CT 扫描的 3D 图像分类 - 飞桨AI Studio
https://aistudio.baidu.com/aistudio/projectdetail/2324600?channelType=0&channel=0

3 Paddlecls套件上分

飞桨AI Studio - 人工智能学习与实训社区
集开放数据、开源算法、免费算力三位一体，为开发者提供高效学习和开发环境、高价值高奖金竞赛项目，支撑高校老师轻松实现AI教学，并助力开发者学习交流，加速落地AI业务场景
飞桨AI Studio - 人工智能学习与实训社区
https://aistudio.baidu.com/aistudio/projectdetail/6570859?contributionType=1
（暂未公开）
使用这个博客前几年参加比赛的增强数据集，训练量更大
科大讯飞2020脑PET图像分析和疾病预测---单模型进决赛前五_脑pet图像分析和疾病预测挑战赛_Li.JJ的博客-CSDN博客
脑PET图像分析和疾病预测挑战赛复赛经验分享1. 算法名称2. 算法描述2.1 算法思想2.1.1对数据进行裁剪处理2.1.2 数据增强2.1.3 标签平滑2.1.4 迭代交叉验证2.1.5 迁移学习2.2 流程图3 算法实现3.1 参数设置3.1.1 数据裁剪部分3.1.2 数据增强部分3.1.3 网络训练部分3.2 实现平台4 结果和分析前言经过半个多月的激烈上分，尤其是最后一天，我们团队（我也来试试）最终得到复赛第五的成绩0.97352，虽然没有前三，但第一次参加这种比赛，收获了很多经验。比赛官_脑pet图像分析和疾病预测挑战赛
科大讯飞2020脑PET图像分析和疾病预测---单模型进决赛前五_脑pet图像分析和疾病预测挑战赛_Li.JJ的博客-CSDN博客
https://blog.csdn.net/qq_40150072/article/details/108698231
可以看到模型在验证集上准确率有0.9以上，但在测试集上表现欠佳，可能是题目给的测试集与训练集的特征差异太大导致
对最后评估测试集的代码做一点修改，给NC投票加更多的权重，可以得到一个还不错的分数
最终得分：0.84096
 
notion image

4 参考

【AI夏令营】CNN原理与进阶技巧_哔哩哔哩_bilibili
DatawhaleAI夏令营|CV赛题：CNN模型进阶技巧 【分享嘉宾】 陈嘉诺：Datawhale成员，广州大学，资深调包侠 【夏令营报名】 第一期已截止，第二期开启报名，Datawhale公众号回复 【夏令营】 ，可以报名, 视频播放量 1080、弹幕量 0、点赞数 14、投硬币枚数 0、收藏人数 11、转发人数 0, 视频作者 二次元的Datawhale, 作者简介 AI领域的开源学习社区，for the learner，和学习者一起成长。公众号：Datawhale，商务合作请加V：a1434088958，相关视频：动手学NLP，中文预训练模型赛题理解及Baseline，聪明方法学Python，Scratch四级，零基础入门数据分析系列，解题思路及Baseline详解，【AI夏令营】Python语法讲解，蘑菇书《Easy RL：强化学习教程》学习活动，Pybind使用指南 - python和c++混合编程的基本方法，时间序列实践 - 赛题理解及Baseline
【AI夏令营】CNN原理与进阶技巧_哔哩哔哩_bilibili
https://www.bilibili.com/video/BV18h4y1V7as
【AI夏令营】CNN原理与进阶技巧_哔哩哔哩_bilibili
【AI夏令营】如何使用飞桨套件来实践CV全流程_哔哩哔哩_bilibili
DatawhaleAI夏令营 | CV赛题 如何使用飞桨套件来实践CV全流程【分享嘉宾】 肖雄：飞桨PPDE，长江大学 【夏令营报名】 Datawhale公众号回复 夏令营，可报名第二期, 视频播放量 1150、弹幕量 0、点赞数 14、投硬币枚数 1、收藏人数 11、转发人数 3, 视频作者 二次元的Datawhale, 作者简介 AI领域的开源学习社区，for the learner，和学习者一起成长。公众号：Datawhale，商务合作请加V：a1434088958，相关视频：新手科研入门，如何读人生中的第一篇论文，【AI夏令营】微调ChatGLM2-6b大模型解决文本二分类任务，【AI夏令营】CV赛题解析与Baseline逐行精读，AI夏令营：手把手带你配置AI环境，这也太全了！CNN+RNN循环+GAN+DQN+LSTM+Transformer+GNN+DBN等八大深度学习神经网络算法教程一口气学完！，【AI夏令营】ML赛事解析&Baseline精读，Pybind使用指南 - python和c++混合编程的基本方法，从零自制深度学习推理框架：第一讲 项目预览和环境配置，AI：从小白到入门，超详细人工智能成长路径分享，AI行业现状与工作日常
【AI夏令营】如何使用飞桨套件来实践CV全流程_哔哩哔哩_bilibili
https://www.bilibili.com/video/BV1ku411G7M9
【AI夏令营】如何使用飞桨套件来实践CV全流程_哔哩哔哩_bilibili
 
相关文章 :
科研
  • Python
  • DeepLearning
  • 比赛
    • Datawhale AI 夏令营 CV 赛事实践（一）基于logistic回归的脑PET图像分析和疾病预测-baselineC++项目：Tinywebserver
    Loading...
    目录