![图片[1] - AI科研 编程 读书笔记 - 【人工智能】软著申请&模型改进-2025年3月9日人工智能组会总结 - AI科研 编程 读书笔记 - 小竹の笔记本](https://img.smallbamboo.cn/i/2025/03/09/67cd70265c759.png)
此次组会无新阅读论文的汇报,汇报内容如下。
关于软著
郭学长在本周三给了我一个写AI模型结合前后端来搭建一个真正可用的Web应用的机会。我使用两天时间将它实现了——基于UNetFormer的城市绿地智能提取算法软件。软件的截图和具体内容就不涉及了,接下来要申请软著。
要将一个计算机视觉领域的模型做出实际的应用。第一步就是将模型测试数据集的代码改造为测试单张图片,这样才能将上传的图片预测获得结果图片。第二步将整个测试单张图片的代码改造为模型预测类,可以在构造函数中设置一些必要的参数,例如配置文件路径等等,同时也可以进行模型的加载(毕竟预测图片时不可能每次都加载一次模型,这样太浪费时间了)。接着写一个预测类,传入待预测图片,返回预测结果。第三步开始写Flask后端代码。小型项目建议直接用Flask,开发非常快。最后根据接口写前端,如果是在不会写可以借助AI工具生成前端页面。这样一个应用就完成了,核心点还是在于将数据集的测试代码改为单张图片预测代码。
申请软著的其他注意事项:
关于模型改进
基本实现MSC-FFN模块的改进,还有对于ShiftingNet的添加BN层的改进。接下来继续改进WindowMSA模块和研究ShiftingNet的代码细节。关于遥感图像要多关注各个类别的mIoU或者其他指标,可以尝试使用带状卷积或者条形卷积。
一些经验总结
一个模型当样本量不多时,模型复杂度越高,可能最终的效果越差。
聚类任务指标:
- CA(Cluster Accuracy,聚类准确率)是一种衡量聚类结果准确性的指标,它计算正确分配到同一簇中的样本比例。
- ARI(Adjusted Rand Index,调整兰德指数)用于比较两个聚类结果的相似性,取值范围在[-1,1]之间,值越接近 1 表示两个聚类结果越相似。
- NMI(Normalized Mutual Information,标准化互信息)也是衡量两个聚类结果相似性的指标,取值范围在[0,1]之间,值越大表示两个聚类结果越相似。
找论文其实没有代码的话,不值得看。一是无法验证论文真实性和论文有效性,二来如果模型有效也无法直接拿来代码融入自己模型进行测试。一般都是大致看一下摘要和介绍,之后复现模型,最后在深入阅读论文对比代码。
© 版权声明
若无特殊说明,文章版权归作者所有,请勿转载至任何平台。
THE END
暂无评论内容