烟火云雾识别比赛

一、 采用 数据增强-autoaugment --解决样本不均衡的问题（数据共分为4类，分布不均。）

增强样本如下：

二、融合迁移学习的分类模型

（1）选取所有原始样本+补充增强样本，保持每个类别300张

采用迁移学习（imageNet预训练权重）的方式

优化器+激活函数+全连接：adam+relu+100全连接 ：

mobileNetV2  测试集结果-0.775 第一次提交记录

resNet101V2 实验结果如下：

resNet152V2 实验结果如下：

denseNet121 实验结果如下：

 结论：resNet真是yyds。。。

第二次提交，迁移学习resNet152V2 的结果，太恐怖了，作弊的好多，0.91才62名哎

（2）选取所有原始样本+补充增强样本，保持每个类别200张

采用迁移学习（imageNet预训练权重）的方式

优化器+激活函数+全连接：adam+relu+128全连接

同时，对验证集调整为0.1，即验证800*0.1=80,

resNet152V2 实验结果如下：

  验证集0.15 DenseNet169实验结果如下： 

优化器+激活函数+全连接：adam+relu+100全连接 +BN

验证集0.15

resNet152V2 实验结果如下：

 验证集0.15 DenseNet169实验结果如下： 

 （3）选取所有原始样本 保持每个类别157张

采用迁移学习（imageNet预训练权重）的方式

优化器+激活函数+全连接：adam+relu+100全连接+BN ：

验证集0.15 resNet152V2 实验结果如下：

验证集0.15 DenseNet121实验结果如下： 

 验证集0.15 DenseNet169实验结果如下： 

三、训练全部权重的分类模型

不太行，还是得迁移学习，训练样本太少了