我要做一件事，需要两三个人。
清晨，提交最后一次结果，庆幸着比赛终于结束了。但是我知道心里一直有一个念头——训练一个自己的神经网络。
最近，参加了阿里天池的文本检测挑战赛，属于计算机视觉目标检测这一部分，应该说是目前比较热的领域。基于以下几个方面的考虑，我想在比赛的基础上再做进一步的探究。
首先是数据集，无论是百度点石竞赛平台现在正在进行的商家招牌的分类与检测，还是阿里刚刚结束的网络图像的检测与识别，以及国外的Kaggle，Imagenet，CoCo等大数据平台都提供了丰富的图像标注数据，这应该说是比较稀缺的资源，为我们解决了实际应用中最大的一个难题，而且也为我们提供了小试牛刀的应用机会。
再者是Github这样一个代码开源的平台，有无数大神提供的顶会论文的源码复现，包括RBG大神写的fast rcnn，以及我们比赛用到的CTPN和旷世去年刚发表的EAST算法。我们需要做的只是把环境搭建起来，将其应用到实际的数据集中。
然而，拿到这样丰富的资源，却不知道如何去下手，数据集实际应用中出现了问题，不知道如何去改进。究其原因，很多知识只是停留在理论层面，缺少实际的应用。
所以，我才会有了前文提到的想法。我明白，这是一个相对比较艰巨的任务，对于神经网络这个黑匣子，是需要一个团队去不断的训练测试进行调优。
如果碰巧我们想到了一起，我觉得可以做以下几件事：1.阅读目标检测的经典论文，包括R-CNN，SPP-NET，Fast R-CNN，Faster R-CNN以及最新发表的顶会期刊的论文 2.源码复现，可以针对实际的数据集进行训练调优。3.每半个月交流一次，每一个月轮流做一次汇报。
当我们有幸在一起做这些事情的时候，我觉得可以得到以下收获：1.有较强的论文功底，和代码实现能力，为以后的工作打下基础，如果你想从事深度学习算法这块，从师兄的工作经验来看，也是不断的在阅读最新论文，复现其代码，然后再应用到实际问题中。2.对深度学习会有一个比较深的把握与了解，当我们把目标检测做通之后，其他领域也是一样的道理，关键是你应对实际的问题，应该怎么去搭建模型，训练网络。3.顺便也可以参加一些国内外的大数据比赛，获得一些比赛经历 4.作为福利呢，每两个月我做东，第五次烧烤happy。
最后呢，附上我们第一次试水的成果，一切才刚刚开始！
——王佳乐（微信18217695307）
网友评论