比赛记录：ICME-2022 安全AI挑战者计划第九期：小样本商标检测挑战赛

原创 已于 2023-05-10 17:41:25 修改 · 999 阅读 · 2 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
收录于
深度学习

当前文章被收录于：

深度学习
7 篇文章 1 人学习

深度学习

订阅专栏 查看详情
于 2022-04-16 11:15:24 首次发布
本文记录了作者参与小样本商标检测挑战的过程，使用mmdetection框架，探讨了Swin-Transformer模型在商标检测中的应用。通过对比不同模型性能，发现Swin-B在小样本上表现优秀。文章详述了环境配置、基线模型选择与优化，并分享了数据集处理和结果提交的细节，旨在交流深度学习在商标检测领域的实践经验和技巧。

ICME-2022 安全AI挑战者计划第九期：小样本商标检测挑战赛

前言

本文章用于记录本人参加小样本商标检测挑战赛的全部流程——小白一枚，能力有待提升

一、比赛介绍

比赛官网
在这里插入图片描述

赛题背景

在电商平台，商品标识作为企业和品牌的知识产权代表，应避免受恶意使用和剽窃。为保护商品标识资质、降低知识产权风险和财务损失，我们提出小样本电商标识检测挑战赛。挑战赛需要参赛者利用少量样本，处理品牌logo小目标检测、做相似品牌标识区分等。

这项挑战的目的是吸引来自深度/机器学习社区、内容安全/保护社区，一起在这一领域进行尝试，并为内容安全构建先进学习技术的基础。我们寻求就问题定义和稳健的目标检测框架达成共识。我们还想描述确保感知模型安全的特性，并评估在实际商业多媒体系统的各种对抗性样本下的后果。最后，我们希望为在这个问题上的跨社区合作规划出重要的未来方向。

数据集

链接：https://pan.baidu.com/s/1ufx6zmuXlt5q1i8KSbjJxw?pwd=kpk5
提取码：kpk5
1、训练集合：共3500张训练图片，100类商品品牌logo，7千多个实例。初赛50类，每类50张训练图片；复赛50类，每类20张训练图片。

  • 图片示例
    在这里插入图片描述

  • COCO数据格式

官方给了一组标注好的训练集，一组未标注的测试集。
验证集需要自行设置，本人从训练集中拿出200张图做验证集。

在这里插入图片描述

测试结果提交

在测试集上进行预测，提交评估数据结构：
在这里插入图片描述

上传识别结果文件为.json，要求文件大小在1G内。

二、服务器比赛环境准备

服务器系统上个人推荐用Ubuntu，因为Windows容易出各种Bug。
一个算力足够的深度学习服务器平台，是在比赛中取得良好成绩的基础。本人曾经一次比赛依靠租用服务器打比赛，非常不便与辛苦。
最最重要的就是我们的代码库了：目前三大目标检测开源神器Detectron2/mmdetection/SimpleDet，本人使用mmdetection及近年来屠版的Swin-Transformer。

  • Ubuntu1~18.04
  • RTX 3090*2
  • PyTorch: 1.10.1+cu111
  • MMDetection: 2.11.0+

三、寻找Baseline

如下表，本人通过遍历2022.4月版本mmdetection库中所有模型，挑选出如下COCO_AP值较好的基础模型。
通过对数据集的训练与测试，获得了如下结果。结果表明，采用Swin-Transformer模型的得分最高。
在这里插入图片描述首先，我是直接下载了Swin-Transformer-Object-Detection,这个里面包括了Swin-t/s/b/l等，相比于mmdetection更全。但是经过一段时间的试验后发现结果不理想。

方案本地val线上
Swin-S0.580.365987
Swin-B0.630.401796

如上表，配置的模型与之前在mmdetection中的一样，但是swin-s的分数从0.52下降到0.36。这个原因具体不清楚，可能是其对应的版本过老？不过这里的swin-b比s高了近0.4，说明swin-b效果是有的。
总之我只能用回最新的mmdetection，自己配置Swin-b等。（问题是我现在不会！！！捂脸）

四、改进Baseline

方案本地val线上
Baseline 360.8370.526
Baseline0.721
-check0.342
+Albu0.697
rcnn0.3 4 50.690

五、改进参考

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

总结

标签
#深度学习 #人工智能
基于ROS的机械臂手眼标定-Aruco使用与相机标定
生活不止眼前的苟且
02-10 1万+
基于ROS的机械臂手眼标定-Aruco使用与相机标定 折腾了一段时间的机械臂的手眼标定，相关资料挺多的，但使用起来都比较复杂，新手一般比较难搞懂。于是想做一个比较简单易懂易用的手眼标定程序。 程序都是Copy的开源代码，所以也开源出来： 开源地址:https://gitee.com/ohhuo/handeye-calib 作为手眼标定中的重要一环，相机中标定板位姿关系获取直接影响标定精度，我们使用aruco这个开源程序来实现坐标的获取。 #mermaid-svg-WkFpFkV4QqzXMvJ4 .labe
PostgreSQL 超详细安装与使用教程：从入门到实战
热门推荐
gtf212的博客
07-15 1万+
本文将详细介绍PostgreSQL数据库的安装配置与基础使用。首先从Windows系统安装入手，分步骤讲解17.5版本的安装流程、环境变量配置及服务启动验证。接着重点介绍了pgAdmin4图形化管理工具的安装与使用，包括界面语言设置、数据库连接、创建与管理数据库等操作，同时对比了可视化操作与SQL命令两种方式。最后梳理了PgSQL基础语法，涵盖表的创建、增删改查操作、约束管理等内容，为初学者提供了完整的PostgreSQL入门指南。文章兼顾理论知识与实际操作，既适合数据库新手学习，也可作为开发人员的快速参考
【第16篇】Swin Transformer
2401_84138968的博客
04-12 1889
为了产生分层表示，随着网络变得更深，通过补丁合并层来减少令牌的数量。第一个补丁合并层连接每组 2 × 2 相邻补丁的特征，并在 4C 维连接特征上应用线性层。这将令牌数量减少了 2×2 = 4 的倍数（分辨率的 2 倍下采样），并且输出维度设置为 2C。之后应用 Swin Transformer 块进行特征转换，分辨率保持在 H 8 × W 8 \frac{H}{8}\times \frac{W}{8} 8H​×8W​。补丁合并和特征转换的第一个块表示为“第 2 阶段”。
SPSS统计分析大全武松.rar
SPSS统计分析大全的样本数据
阿里天池：小样本商标检测（baseline0.50）
帕里亚的杂货铺
04-21 7053
阿里天池：小样本商标检测（baseline0.50） 在学会YOLO目标检测后第一次参加这样的比赛，特此做个记录，此处也提出一些改进的方案。比赛链接：ICME-2022 安全AI挑战者计划第九期：小样本商标检测挑战赛-天池大赛-阿里云天池 (aliyun.com)。比赛规则比较严格，首先只能使用Image 1K的预训练模型，但YOLO自身只提供基于COCO的预训练模型；且不允许使用模型融合，即使用多个模型的预测结果做并集，冲排名的话需要注意。本文需要掌握一定的yolo检测基础，具体的训练命令和检测命令省略。
深度学习之图像分类（十三）Swin Transformer: Hierarchical Vision Transformer using Shifted Windows详解（二）
m0_46521375的博客
11-24 1777
文章提出一个新的结构叫swin transformer,可以作为计算机视觉的通用骨干。将transformer从语言实体应用到视觉实体中存在挑战：1、视觉实体的尺度变化较大，需要能够融合多尺度信息，但是ViT的stage尺度是固定的，2、图像中的像素是高分辨率的，形成的token往往具有很大的维度，通常计算代价和输入图像的分辨率成平方比，带来巨大的计算代价；
深度学习之图像分类（十三）Swin Transformer: Hierarchical Vision Transformer using Shifted Windows详解（一）
m0_46521375的博客
11-24 1704
在这次移位后，一个批处理窗口可能由几个在特征图中不相邻的子窗口组成，因此采用了屏蔽机制，将自注意力计算限制在每个子窗口内。为了在保持非重叠窗口的高效计算的同时引入跨窗口连接，我们提出了一种移动窗口分区方法，该方法在连续的。基于偏移窗口的自注意力在视觉问题上表现出了有效和高效的特性，我们期待进一步研究它在自然语言处理中的应用。移位窗口方案通过将自注意力计算限制在非重叠的局部窗口内，同时允许窗口之间的交叉连接，从而提高了效率。通用骨干（不仅仅在分类识别的任务上有好的结果，在目标检测和语义分割都有好的结果）
Swin Transformer论文阅读笔记
m0_46223011的博客
10-04 2109
Swin Transformer阅读笔记 文章目录Overall ArchitectureSwin Transformer BlockShifted Windows based Self-Attentionself-attention in non-overlapped windowsShifted window partitioning in successive blocksEfficient batch computation for shifted configurationRelative po
swin transformer 核心代码记录
THE XING
12-20 2306
目前更新部分包括swin的基本setting，基本模块，相对位置坐标理解和部分代码展示。 swin 包含了四种setting，依次是tiny，small， base 和 large。可以类比resnet。 Swin-b 主体部分网络结构 BasicLayer 结构展示 BasicLayer( (blocks): ModuleList( (0): SwinTransformerBlock( (norm1): LayerNorm((128,), eps=1e-05, el.
面试备战材料
qwe9152921的博客
09-08 311
我的爸爸是一名教师，有二十年左右的教学经验，妈妈是衡水老白干酒厂的后勤部门担任小班长，姐姐也是教师，他们在各自的工作领域都有着突出的表现和业绩，深深地影响着我，妈妈连续四年荣获公司的先进个人荣誉，爸爸已经被授予“高级教师”职称，姐姐凭借出色的办事能力入学不久就被选举为班主任，承办了很多活动。自监督的Pretrain-Finetune流程：首先从大量无标签数据中通过pretext来训练网络（自动在数据中构造监督信息），得到预训练的模型，然后对于新的下游任务，和监督学习一样，迁移学习到的参数再微调。
报名 | IEEE ICME 2025 音频编码器能力挑战赛正式开启
海天瑞声的博客
02-06 1805
赛道 A 关注预训练模型在特定任务上的适配性与有效性，而赛道 B 则评估音频表征的内在能力，不做任何微调，评价嵌入表征的内在能力。该方法评估模型通过一个额外的线性层适配到特定任务的能力，同时不改变原始模型的参数。参赛者需提交输入为波形、输出为连续嵌入向量的音频编码器，我们将采用带参数和无参数两种评估方法，在语音、环境声音和音乐等多个任务上衡量编码器的性能。启发，引入了多项增强，包括多样化的任务集、面向真实世界的应用、微调和 zero-shot 评估相结合，以及一个新的高效的。主办方不规定具体的训练数据集。
论文精读：Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
qq_52053775的博客
08-14 2467
本文提出了一种新的，称为它能够作为计算机视觉的通用骨干网络。从语言到视觉的挑战来自于这两个领域之间的差异，比如视觉实体规模的变化很大，以及图像中像素比文本中单词的高分辨率。...
【LogoDetection 数据集处理】（1）将数据集切分为训练集和验证集
qq_43799400的博客
06-08 1259
最近参加了阿里云天池小样本商标检测挑战赛，做了不少数据集处理的事情，在此做个整理。
《Swin Transformer Hierarchical Vision Transformer using Shifted Windows》论文超详细解读（翻译＋精读）
路人贾的博客
08-07 7536
《Swin Transformer Hierarchical Vision Transformer using Shifted Windows》论文超详细解读（翻译＋精读）
使用MMDetection3.x训练自定义数据集和类别
MyArrow的专栏
12-15 2544
mmdetection训练自己的数据集和类别
Swin Transformer：使用移位窗口的层次化视觉Transformer
qq_38961840的博客
03-20 478
本文提出了一种新的视觉Transformer，称为Swin Transformer，它能够作为计算机视觉的通用骨干网络。从语言领域到视觉领域的Transformer适配面临诸多挑战，这些挑战源于两个领域之间的差异，例如视觉实体的尺度变化较大，以及图像中像素分辨率远高于文本中的单词。为了解决这些问题，我们提出了一个层次化的Transformer，其表示通过移位窗口（Shifted Windows）计算。
【第16篇】Swin Transformer，2024年最新最新精心整理Python面试题
m0_57472099的博客
04-16 1108
彻底的内核优化超出了本文的范围。请注意，Swin-T 和 Swin-S 的复杂度分别与 ResNet-50 (DeiT-S) 和 ResNet-101 的复杂度相似。与作为最快的 Transformer 架构之一的 Performer [13] 相比（参见 [59]），所提出的基于移位窗口的自注意力计算和整体 Swin Transformer 架构略快（参见表 5），同时实现了 +2.3 % top-1 准确率与使用 Swin-T 在 ImageNet-1K 上的 Performer 相比（见表 6）。
【Transformer】4、Swin Transformer
呆呆的猫的博客
08-08 5255
文章目录一、背景二、动机三、方法四、效果 代码：https://github.com/microsoft/Swin-Transformer 一、背景 Transformer 最开始是在 NLP 中使用较多，因为其 self-attention 组件能够对 Long-range 的信息进行建模，近期有很多人开始将 Transformer 应用到计算机视觉中，作为一个类似于 CNN 的特征提取器。 二、动机 NLP 到 CV ，主要有两个问题： 视觉场景中，目标大小不同 视觉场景中，图像的分辨率远远大于句子.
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows——使用移位窗口的分层视觉Transformer
Together_CZ的博客
12-10 1742
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows——使用移位窗口的分层视觉Transformer
从Swin到MaxViT：盘点5个最值得关注的Vision Transformer变体及其应用场景
最新发布
weixin_29199873的博客
03-20 408
本文深入分析了Swin Transformer、MaxViT、CvT、LeViT和DeiT等5种Vision Transformer变体的工程应用场景，对比了它们的核心创新、实测表现及部署成本。针对不同业务需求，提供了从移动端部署到高精度需求的选型建议，特别强调了CNN-Transformer混合架构在工业实践中的优势。
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows论文阅读
qq_41627642的博客
03-19 1341
这篇论文提出了一种新的视觉 Transformer——Swin Transformer，它能够作为通用的计算机视觉骨干网络。将 Transformer 从语言领域转移到视觉领域面临诸多挑战，这些挑战源于两者之间的差异，例如视觉实体尺度的巨大变化以及图像中像素的高分辨率与文本中单词相比的差异。为了解决这些问题，我们。
【目标检测】【Transformer】Swin Transformer
weixin_44184852的博客
05-17 1657
Swin Transformer是一种新型的视觉Transformer架构，旨在解决将Transformer从语言领域迁移到视觉领域时面临的挑战，如视觉实体尺度的变化性和图像像素的高分辨率特性。该架构采用基于移位窗口的分层设计，通过将自注意力计算限制在非重叠局部窗口内来提高效率，同时保留跨窗口连接能力。这种设计使得Swin Transformer在图像分类和密集预测任务中表现出色，超越了此前的最佳成果。其分层特征图结构和线性计算复杂度使其成为计算机视觉领域的通用骨干网络，展示了Transformer在视觉任
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值