来源：投稿 作者：LSC
编辑：学姐

比赛名次

最终分数0.98079分，排名第一

赛题任务:

基于Caltech数据集的图像分类，Caltech101包含102个类，每种类别大约40到800个图像，训练集总计7999图像。本次试题需要图片为输入，通过课程学习的分类方法（支持向量机、深度神经网络、卷积神经网络等）从中识别该图像属于哪一个类别。

数据说明

images下存储所有的训练+测试图像，trian.txt中存储用于训练图像路径和对应标注，图片路径+\t+标签，test.txt中存储测试图像。

限制

只能用paddle框架和在astudio上运行代码

提交答案

考试提交，需要提交模型代码项目版本和结果文件。结果文件为TXT文件格式，命名为result.txt，文件内的字段需要按照指定格式写入。

结果文件要求：

• 每一行为：图像名\t标签 101_0073.jpg\t13

• 输出结果应检查是否为1145行数据，否则成绩无效。

• 输出结果文件命名为result.txt，一行一个数据

基本思路

为了方便使用各种技巧，我使用了paddlex框架，这是由paddle写出的封装性强、使用便捷的框架，并且对数据集划分训练集和验证集，使用有知识蒸馏的技巧的resnet101模型。

训练前我对训练集使用了数据增强，包括随机翻转、mixup、正则化等，训练时采用了标签平滑、学习率衰减等策略，模型准确率达到97%，我再将全部的数据都放进模型训练，对测试集进行测试，提交后准确率达到98%。

关注【学姐带你玩AI】公众号

kaggle新赛stable diffusion火热报名中

回复“diffusion”获取baseline代码数据集，感兴趣的同学快来！