前言参赛过程中获益匪浅~对于数据增广，以前觉得做分割的时候，涉及到尺寸变化，角度变化的时候，还是很难的。因为你不仅要对图像做这些变化，还需要对segmentation的数据做对应的变化，感觉很那实现。不过那都是过去式了。感谢Albumentations使用Albumentations进行数据增强相比torch自带的库，这个库有更多的对图像的预处理相比torch自带的库，这个库更快能很好地和Pyto

赛题描述本质其实就是基本的语义分割问题。基本目的熟悉比赛流程；以前就知道mask rcnn, 这次主要是为了更进一步了解语义分割；后续会熟悉一下阿里的DSW，不会白嫖的参赛者不是好码农；提升一下技能点，增加提分要点秘诀和代码实践能力；基本元素baseline参照阿水大佬提供的FCN改动版本：使用pytorch官方的语义分割模型fcn_resnet50，并且修改最后的classifier，添加自定义

（cpp创建）

主要工作1 主要是熟悉一下题目内容，跑通baseline2 心跳检测，归属到传统机器学习的分类问题。采用的是lightgbm。这个是个结构化赛事比较管用的一个分类器。3 有一些比较重要的基础内容，需要补充学习一下：推荐：机器学习原理与实践pandas数据处理Matplotlib可视化XGBOOST, LIGHTGBM, GBDT等常用大杀器简介知识点总结参考上图，我们能看出:训练集准确度：XGBo

格式化安装prettify json快速格式化Json文件Visual Studio Code可以通过以下快捷键格式化代码：On Windows 　　Shift + Alt + FOn Mac 　　Shift + Option + FOn Ubuntu　　 Ctrl + Shift + I

CMake是一个跨平台的安装编译工具，可以用简单的语句来描述所有平台的安装(编译过程)。CMake可以说已经成为大部分C++开源项目标配。

主要工作1 主要是熟悉一下题目内容，跑通baseline2 心跳检测，归属到传统机器学习的分类问题。采用的是lightgbm。这个是个结构化赛事比较管用的一个分类器。3 有一些比较重要的基础内容，需要补充学习一下：推荐：机器学习原理与实践pandas数据处理Matplotlib可视化XGBOOST, LIGHTGBM, GBDT等常用大杀器简介知识点总结参考上图，我们能看出:训练集准确度：XGBo

目录1.数据处理工具箱概述2. transforms的所有数据增强的api2.1 针对PIL image的处理2.1.1裁剪2.1.2 翻转和旋转2.1.3 图像变换2.1.4 对 transforms 操作，使数据增强更灵活2.2 针对 torch.*Tensor的处理2.2.1 标准化：transforms.Normalize2.2.2 线性变换：transforms.LinearTransf

目录前言目标检测近年里程碑深度学习目标检测1 R-CNN简介1.1 何为R-CNN?1.2 摘要2.Fast RCNN网络结构解析2.1 整体结构概览2.2 region proposals ---- selective search2.3 back bone --- AlexNet & vgg2.4 classfication --- SVM2.5 regression3.论文亮点4.

（四）模型训练4.1 学习率4.2Batch Normalization4.3 Drop-out4.4 权重初始化4.1 学习率（1）什么是学习率？梯度下降法和反向传播算法中的超参数η就是 学习率，它控制着神经网络权值下降的速度（2）为什么要衰减学习率算法优化前期，学习率较大会加速学习， 但后期会造成较大波动，出现围绕最优值 徘徊而无法收敛的情况，因此随着训练的 进行学习率需要逐渐衰...