Task1 赛题理解---学习笔记

网络模型

使用resnet18网络模型，进行迁移学习，保留resnet18网络的卷积网络部分，并保留预训练参数，另外设置5个全连阶层，分别对应5个可能的街道字符的识别，代码如下：
model_conv = models.resnet18(pretrained=True)
model_conv.avgpool = nn.AdaptiveAvgPool2d(1)
model_conv = nn.Sequential(*list(model_conv.children())[:-1])
self.cnn = model_conv

    self.fc1 = nn.Linear(512,11)
    self.fc2 = nn.Linear(512,11)
    self.fc3 = nn.Linear(512,11)
    self.fc4 = nn.Linear(512,11)
    self.fc5 = nn.Linear(512,11)

优化器

使用了Adam优化，学习率0.001.
torch.optim.Adam(model.parameters(),0.001)

损失函数

使用交叉熵损失函数
nn.CrossEntropyLoss()

图像增广

训练集的数据图像统一缩放为（64，128），并进行了随机裁减、色彩调节、随机旋转、数据正则化处理，验证集数据图像统一缩放为（60，120），只进行了正则化处理。

训练结果

在本机的GPU（GeForce RTX 2080)上运行了3个epoch,识别率达到0.45，运行结果如下图：