可將準確率提高若干個百分點,它就是測試時增強(test time augmentation, TTA)。這裏會爲原始圖像造出多個不同版本,包括不同區域裁剪和更改縮放程度等,並將它們輸入到模型中;然後對多個版本進行計算得到平均輸出,作爲圖像的最終輸出分數
這種技術很有效,因爲原始圖像顯示的區域可能會缺少一些重要特徵,在模型中輸入圖像的多個版本並取平均值,能解決上述問題。
就是在訓練的時候有一個transform,然後測試的時候使用多個transform,然後得到多個結果,然後讓去平均值
可將準確率提高若干個百分點,它就是測試時增強(test time augmentation, TTA)。這裏會爲原始圖像造出多個不同版本,包括不同區域裁剪和更改縮放程度等,並將它們輸入到模型中;然後對多個版本進行計算得到平均輸出,作爲圖像的最終輸出分數
這種技術很有效,因爲原始圖像顯示的區域可能會缺少一些重要特徵,在模型中輸入圖像的多個版本並取平均值,能解決上述問題。
就是在訓練的時候有一個transform,然後測試的時候使用多個transform,然後得到多個結果,然後讓去平均值
def ADD(a): print(3,a,hex(id(a))) a.remove(2) print(3,a,hex(id(a))) a=a.append(10)