admin管理员组

文章数量:1529447

garbage in, garbage out
源自吴恩达老师举办的以数据为中心的竞赛，各胜利队伍的获胜方案。原网址如下
方法：
1.手动筛除噪声，标记错误数据
2.数据增强，扩展，收集
3.严格保证类别均衡（同一个罗马字母的大小写数量也一致）
4.“增加”一个特定训练点的少量权重，并在推断时观察这对模型预测的影响，删除有负面影响的数据
5.增强数据后使用聚类判断是否数据变换带来问题（附近点的标签都与该数据不同）
6.增加边缘点
7.对于每个错误分类的验证图像，使用提取的特征从一组增强图像中检索出最近邻(基于余弦相似度)。把这些最近的邻居增强图像添加到训练集

本文标签： 数据中心方案DataCentricAIPRLab

版权声明：本文标题：数据中心竞赛方案（Data-Centric AI Competition: KAIST – AIPRLab） 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dianzi/1726693140a1080914.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。