AI 识虫较量
明确任务类型：指标检测
给出图像，确定图像中虫子的地位和类别、置信度得分 理解数据集：
数据量：2183 张图片（训练集 1693 张、验证集 245 张、测试集 245 张）数据规模：中等（防止网络过拟合、数据加强）数据内容：
工作级别：背景繁多，简略 数据处理
图像增强
图像增强的益处：减少数据量，人为制作不同场景下的图像，让网络习得更多特色，进步模型的泛化能力。因为 AI 识虫的数据集不大，思考图像增强。图像增强的罕用办法：1. 翻转（程度 + 竖直）2. 减少噪声
3. 旋转
4. 裁剪
5. 缩放 / 拉伸
6. 含糊（均值含糊、中值含糊）7. 改亮度
8. 对比度
9. 饱和度
10. 扭转色彩空间
11. 像素值的随机抖动
12. mixup（毁坏原始图像中的上下文关系，网络学习更鲁棒的特色）13. GAN 生成图像
罕用于数据加强的库：Augmentor、ImageEnhance 等
归一化、标准化
模型设计
指标检测网络：
一阶段是指预测的同时做分类。如 YOLO-V3。两阶段是指：先提取图像中可能存在指标的潜在区域，不关注存在什么样的指标，存在即可；再对指标进行分类，调整预测框地位。如 Faster R-CNN。YOLO-V3 的 Backbone 是 DarkNet，Faster R-CNN 的 Backbone 能够是 VGG, ResNet 等；Faster R-CNN 的 RPN 网络工作原理，是在原始图像上密集滑动采样的形式确定 anchor，也就是卷积核中心点对应的预设好长宽的区域是否存在指标。