分类: 人工智能

bbox、reject head 与那些把模型带歪的细节 本篇面向产品工程和模型落地读者。重点是模型训练完成后，如何让它在真实用户图片里少错、敢拒、可部署。 另见：数据源、split 和 source-shift 见 01 数据工程篇；DINOv3 frozen / LoRA 训练路线见 02 模型训练篇。 鸟类识别模型真正进入产品时，问题不再只是 top-1。 用户不会关心你是 ViT-L 还是 ConvNeXt，也不会关心 Balanced Softmax。他只会看到：这张图有没有识别对？ …

从 YOLO baseline 到 DINOv3 LoRA 本篇面向关心训练路线和调参取舍的读者。重点不是把所有 run 堆出来，而是解释每一步为什么做、哪里翻车、最后留下了什么经验。 另见：训练数据、taxonomy 与 split 见 01 数据工程篇；鸟框审计、reject head 负样本和桌面端部署见 03 部署复盘篇。 数据清理到一定程度后，才轮到模型训练。 这个项目的训练路线大致经历了三步： YOLO-cls baseline：验证传统分类路线的上限。 DINOv3 frozen …

从多来源鸟图到可信训练语料 本篇面向所有做 ML 数据集构建的人。即使不关心鸟类识别，taxonomy、去重、split、防泄漏、source-shift 这些问题也很常见。 另见：训练路线与长尾采样见 02 模型训练篇；鸟框审计、拒识负样本和发布策略见 03 部署复盘篇。 在这个项目里，训练模型之前最重要的工作不是写网络结构，而是回答一个更基础的问题：我手里的每张图，究竟是不是我以为的那个物种？ 这个问题听起来简单，实际很麻烦。不同来源有不同命名方式、不同标注质量、不同图片风格。有的来源按中 …

让我决定做鸟类识别模型的，不是某个排行榜指标，而是一次很普通的使用场景：照片里确实有鸟，模型也很自信，但名字错得离谱。更麻烦的是，它不是随机错，而是在相似种、远景小目标、裁切漂移、背景干扰这些场景里非常自信的出错，这几乎不可避免，全球有1万余种鸟类，一个覆盖全球鸟类（比如懂鸟）的识别模型，如果不结合 GIS等地理信息在识别精度上会惨不忍睹。 这类错误对观鸟摄影爱好者很糟糕。拍完一批照片后，用户并不是想研究模型为什么错，只是希望它至少别把一张明显信息不足的图硬说成某个具体物种。对这个产品来说，拒识 …

关于TensorFlow TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神 …