2019年Google Landmark识别和检索挑战 该解决方案在“标识别排名第31，在“排名第38，并且具有适合在Kaggle内核中运行的代码。 挑战 公开LB GAP 私人LB GAP 承认 0.09273 0.10926 恢复 0.09373 0.11383 Keras中的代码已分为多个单独的文件，以实现更好的组织。 recognition.py文件将所有内容串在一起以训练模型并创建识别挑战的提交。 retrieval.py文件将加载针对识别问题而训练的模型，并创建提交。