监督学习 —— 从好的Label开始

不同质量的标注对模型训练究竟有多大影响?我们设计对比试验探究了这个问题。实验使用数据集搭配不同质量的标注集分别训练模型,并用多个高质量标注数据集进行了测试,我将在直播中为大家详细介绍实验结果。

展开查看详情

1.监督学习—从好的label开始 2020.08 上海

2. 杨浩特 计算机视觉算法专家 现Graviti算法负责⼈。毕业于上海交通⼤学计算机系CMACH实验室,专注 于⼈⼯智能领域深度学习算法,研究⽅向⽣成对抗⽹络。 【本次活动分享主题名】 监督学习 —— 从好的Label开始 【本次分享内容简介】 不同质量的标注对模型训练究竟有多⼤影响?我们设计对⽐试验探究了这个问 题。实验使⽤数据集搭配不同质量的标注集分别训练模型,并⽤多个⾼质量标 注数据集进⾏了测试,我将在直播中为⼤家详细介绍实验结果。

3. 模型训练效果不佳的原因 模型结构 损失函数 超参数 标注质量

4.EfficientNet&EfficientDet

5. 模型训练效果不佳的原因 模型结构 损失函数 超参数 标注质量

6.

7.KITTI object 数据集样例 Original Label Graviti Label

8.不同质量标注对模型 性能影响的对⽐实验

9.实验框架

10.数据准备

11.数据集-训练集 KITTI object

12.数据集-训练集 KITTI object Original Label Graviti Label

13.数据集-测试集 waymo

14.数据集-测试集 waymo Waymo Label

15.数据集-测试集 cityscape Cityscape Label

16.数据集-测试集 cityscape Cityscape 2D Label

17.数据集格式的差别

18. 数据集格式的抽取 … … Cityscape Label

19.数据集类别映射关系 KITTI Waymo Cityscape Graviti Car TYPE_VEHICLE car car Van TYPE_VEHICLE van Truck TYPE_VEHICLE truck truck Tram TYPE_VEHICLE tram Cyclist TYPE_CYCLISTS rider rider Pedestrian TYPE_PEDESTRIAN person pedestrian Person_sitting person personsitting Misc Don’t care bus caravan trailer motorcycle bicycle train

20.训练过程

21.训练细节 Cityscape Label

22.测试结果

23.测试结果 waymo GroundTruth Graviti Prediction Original Prediction

24.测试结果 cityscape GroundTruth Graviti Prediction Original Prediction

25.P-R curve Cityscape Waymo IoU 0.50 IoU 0.50 IoU 0.75 IoU 0.75

26.数据集类别映射关系 KITTI Waymo Cityscape Graviti Car TYPE_VEHICLE car car Van TYPE_VEHICLE van Truck TYPE_VEHICLE truck truck Tram TYPE_VEHICLE tram Cyclist TYPE_CYCLISTS rider rider Pedestrian TYPE_PEDESTRIAN person pedestrian Person_sitting person personsitting Misc Don’t care bus caravan trailer motorcycle bicycle train

27.

28.实验结论 标注质量会直接影响模型质量 1 好的标注会训练出更好的效果 2 标注越精准,预测的结果越接近真值

29.算法⼯程师的痛点