2 备注
2.1 在竞赛中,可以会出现提供的数据不符合测试集分布的情况
根据百度车道线冠军的经验:
数据清洗上,最一开始采用了全部数据训练,发现loss经常出现不规则的跳动,经过排查,发现road 3存在几乎一半以上图像过曝的问题,并且road 3大多在强光下拍摄,不符合测试集的分布,所以很果断的舍弃了road 3,分数也提升了0.01左右(好神奇。。。)。
这就说明了,在数据来源不同的情况下,很可能出现训练集与测试集分布不一致的情况;
根据百度车道线冠军的经验:
数据清洗上,最一开始采用了全部数据训练,发现loss经常出现不规则的跳动,经过排查,发现road 3存在几乎一半以上图像过曝的问题,并且road 3大多在强光下拍摄,不符合测试集的分布,所以很果断的舍弃了road 3,分数也提升了0.01左右(好神奇。。。)。
这就说明了,在数据来源不同的情况下,很可能出现训练集与测试集分布不一致的情况;