【Datawhale CV夏令营】 1 Baseline的基本改进 (I)

1 赛题重述

1.1 赛题背景

机器虽然被大量用到农业生产中，但人还是不可或缺的因素。通过农民身份识别，可以真实客观地记录农民的状态，为农场管理和农产品追溯提供真实的客观数据；较之直接存储视频，可以有效地降低存储空间；自动识别也比人工监管，大幅度提高效率，减少人工成本。

2.2 赛事任务

农民身份识别需要对农民进行分类，本次大赛提供了中国农业大学实验室视频制成的图像序列。参赛选手先对图像进行预处理，并制作样本，对图像中的农民进行识别。选手需要自行训练模型，并上传自己训练好的模型和权重。

3.3 赛题数据集

本次比赛为参赛选手提供了25名农民身份，每个身份包含10段视频制成的图像序列，选手需要对图像序列进行预处理，打标签，并对农民进行身份识别。

1.4 评价指标

本模型依据提交的结果文件，采用Macro-F1进行评价，其中Macro-F1定义如下：

2 Baseline

2.1 传统图像特征提取方法

通过计算图像中的一些统计指标，如白色像素数目、均值、方差等指标手动构建特征，然后使用机器学习模型进行分类。在此不再赘述。

2.2 深度学习方法

采用预训练Resnet18作为骨架，输入为图片，输出为分类结果，如下图所示

3 改进Baseline

3.1 梯度裁剪

对于模型fθ、度量指标L、输入数据x、对应的标签y和学习率η，有梯度更新

在训练过程中，有可能出现梯度过大导致的震荡情况。因此考虑限制梯度的范数为一定范围，这与信赖域算法思路相似：

这样的操作可以通过paddle.nn.ClipGradByNorm或torch.nn.utils.ClipGradNorm实现。

3.2 集成学习

集成学习的思路较为简单，若某一个预测器件的准确率大于50%，那么很多个这样的预测器对结果投票得出的结果准确率将会更高。在对Baseline的改进中，我们引入对某模型效能的置信度函数α⋅，并将其简单地定义为模型的验证准确率的平方根。于是当!

持有N个模型时，期望的分类结果由下面的式子给出：

4 测试结果

• 仅使用梯度裁剪的Baseline在训练集上训练少于5Epochs 可以在测试集上达到 50% 的准确率
• 使用梯度裁剪和集成学习的Baseline在训练集上训练9个模型，在测试集上可以达到近 60%的准确率