eluvio_data_challange:为Eluvio Data Challange实施场景预测任务 源码

Eluvio数据挑战 Vipul Dhariwal着 这是我提高场景片段预测效率的尝试。 有两种不同的文件,一种需要更高的内存和并行处理能力,另一种甚至可以在我的个人计算机上使用。 任务是改进已经给出的场景分割的二元分类问题的预测。 对于高内存代码,我实现了以下基准测试: 平均AP:48.65% 均值Miou:50.06% 这些措施甚至超过了[Rao]的分数。 低内存代码可能会产生一些改进,但仍会有所改进。 该代码的分数是: 平均AP:45.55% 平均Miou:46.87% 分析见解 给出的最初2和最后3个预测概率为0,原因可能是初始预测具有特征差异。 非场景转换和场景转换的类标签不平衡(通常为9:1左右)。 场景通常有多张照片,平均场景有9.67张照片。 这两段代码的主要思想都启发了[Rao]的解决方案: 我们在整部电影上训练神经网络,以使其了解镜头“顺序”的效果。