计算机视觉深度学习入门五讲：数据篇.pdf

Going Deep For CV: Data 计算机视觉深度学习入门五讲：数据篇 数据？什么数据？ 竞赛数据集与研究数据集 开发工具、项目与预训练模型数据 数据集预处理 训练过程产生的数据/ 图表的处理 数据集：各种数据集 分类：CIFAR10/100,ImageNet2012,MS-COCO 定位/检测：PascalVOC07/12,ImageNet2012 语义分割：PascalVOC07/12, MS-COCO 细粒度：iNaturalist, CARS196,CUB200-2011, Stanford Online Product, Flickr Material Database, Describable Textures Dataset 搜索：MegaFace, VehiclesID, … 地图：KITTI, CityScapes 数据集：别忘了目的 提出好的问题和解决问题同样重要 做出好的数据集(企业)和做出好的模型(个人) 同样重要 数据预处理：Why? 代表着已有硬件仅能分批处理数据 代表着数据或者模型无法满足某种假设 可以治标不治本的暴力提升竞赛结果 数据预处理：标准化 2D RGB 图像：色彩通道归一化 3D 图像：元数据、数据拼接 其他：大小调整/对齐 数据前后处理：数据增广 多尺度 ImageNet Classification with 色彩抖动 Deep Convolutional Neural Networks 随机/多区域切割 Going Deeper with Convolutions 旋转/镜像/剪切/仿射 Deformable Convolution Networks 不规则形变 Regularizing Neural Networks by 标签处理 Penalizing Confident Output Distributions 数据预处理: 说再见 金字塔/多尺度: 参数共享, Dilation 色彩抖动: RGB - HSV ? 任意仿射变换: Spatial Transformer Network 不规则形变: Deformable Convolution Network 旋转/镜像: Harmonic Nets/Deep Rotation Equivariant Network 标签平滑：Regularizing Neural Networks by Penalizing Confident Output Distributions 金字塔/多尺度: PSPNet 带孔/带形变 左:DeepLab 下:DeepLab v3 右:Deformable 色彩抖动 仿射变换/偏移不变: STN Crops: err 0.9x Affine Projection: err 0.85x STN+Crops: err 0.8x 旋转不变: Rotation Equivariant 标签处理 Train分布和Val分布不均: Smoothing Learning One-Hot(gt) + Uniform