木薯叶病分类 目录 我的木薯叶病比赛学习历程。我花了整整3周的时间参加这项比赛。 目标： 对木薯叶上呈现的疾病类型进行分类。有五个不同的标签：木薯细菌枯萎病（CBB），木薯褐斑病（CBSD），木薯绿斑驳病（CGM），木薯花叶病（CMD）和健康。 挑战： 这项比赛有一些挑战。 每个班级之间的分配不平衡。标签3 CMD与其他类别之间存在巨大差异。这可能会对预测产生偏差。因此，必须采用加权损失函数或过采样。 嘈杂的标签。一幅图像中有很多错误标记的图像和多种疾病，可能会影响模型预测。为了解决这个问题，可以实现多种技术，例如标签平滑，混合，剪切混合增强。 我在截止日期前参加了比赛，因此就如何处理嘈杂的标签以及哪种模型在本次比赛中效果最好，进行了很多讨论。大多数竞争对手都采用了Efficientnet和视觉变压器（ViT），因此在尝试其他模型（例如ViT，DeiT，Hybrid Resnet和ViT）

木薯叶病分类 介绍 这是 ， 和针对的一种解决方案。 在此存储库中，您可以找到我的管道以及我们用于此竞赛的解决方案。 在README的第一部分中，我将描述我们的解决方案，在第二部分中，我将对存储库的结构以及所有文件的描述进行描述。 源代码写。 您可以（或）找到有关此竞赛的完整报告（33页）。 解决方案 知识升华 我们做了一个非常软的知识提炼。 我们没有时间去做很多实验，所以我们只有一个办法来保证数据集的可靠性。 我们浏览了该论坛，并发现至少有500个患病的图像被标记为健康。 其他类型的错误很少被提及。 因此，我们决定仅将500个样本作为知识蒸馏的软目标。 我们对SWSL ResNeXt 101 8D进行了5倍训练，并预测了来自每个验证部分和每个标签的所有图像的标签。 然后，我们保存了每幅图像的预测和置信度，并选择了置信度阈值，该阈值用于查找〜500个样本，这些样本中极有把握的预测与地面

木薯叶病分类Kaggle挑战2020 链接到博客文章： 我的提交分数历史记录：

Kaggle： 任务是将每个木薯图像分为五类，以指示-具有某种疾病或健康叶片的植物。 组织者介绍了在乌干达定期调查期间收集的21,367张带标签图像的数据集。 大多数图像都是从农民那里获取的，他们在花园里照相，并由国家作物资源研究所（NaCRRI）的专家与坎帕拉的马可雷雷大学的AI实验室合作进行批注。 似乎已经有一些。 实验性 安装此工具 如何使用此基本功能的简单方法： ! pip install https://github.com/Borda/kaggle_cassava-leaf-disease/archive/main.zip 在Colab中运行笔记本 我建议将数据集上传到您的个人gDrive，然后在笔记本电脑中连接gDrive，这样可以在重置Colab时节省重新上传数据集的时间...：] 一些结果 ResNet50的培训进度以及10个时期的培训：

Kaggle-木薯叶病分类 Kaggle竞赛代码“木薯叶病分类”。 排名256/3900（最高7％）铜牌 比赛于2月结束，当我最近整理代码时，我决定在GitHub上发布它（整理代码确实是一件很累的工作〜）。 我在私有数据集中得到0.8987 。 但是，这不是我最好的解决方案（确定是成功的关键...大声笑）。 我在Github上发布的代码为0.9010 ，如果我提交此解决方案，则该代码应排在银牌区域。 此仓库包含培训部分和测试部分的代码，我使用一些技巧，如下所示： AMP，用于更快的训练（Kaggle中的GPU时间限制，我的GPU不好） 数据8月可提供更好的性能（我放弃了cutmix或snapmix之类的技巧，这些技巧浪费大量时间并且没有改善性能） K折模型合奏：$ k = 5 $ 模型集合：EfficientB4（由我自己训练）+ Resnext（在讨论区域中开放访问） 测

Cassava是一款轻巧但功能丰富的CSV编辑软件。 可以使用Cassava轻松创建和编辑CSV文件，与文本编辑器相同的方式编辑表格数据。 它具有编辑工作所需的各种功能，包括宏功能和简单的电子表格功能。 https://www.asukaze.net/soft/cassava/