第15名解决方案

感谢主办方举办本次比赛，也感谢队友的合作。

总结

我们的解决方案并无特别之处，只是4个不同图像尺寸的EfficientNetV2模型的集成：

• 2个l模型，图像尺寸为768x768（不同种子）
• 1个l模型，图像尺寸为1024x1024
• 1个s模型，图像尺寸为1536x1536

前3个模型在validation文件夹的图像上得分相似，约为0.690~0.692，最后一个模型得分为0.685。集成后的得分为0.6936。

有效的方法

• 数据增强
  • 水平垂直翻转（HV Flip）
  • 旋转（Rotate）
  • 随机缩放然后裁剪
• 测试时增强（TTA）
  • 水平垂直翻转
  • 旋转
• 设置"drop_path_rate": 0.2和"drop_rate": 0.2
• 将时间步3和5作为伪标签加入
• 焦点损失（Focal loss）

但是我认为，与解决标签错位问题以及使用单独的人工标注掩码作为新标签（如其他讨论中提到的）相比，上述改进的微小提升并不显著（我计划之后进行实验）。

无效的方法

• 其他数据增强
  • ColorJitter（颜色抖动）
  • HueSaturationValue（色调饱和度值）
  • RandomBrightnessContrast（随机亮度对比度）
  • RandomGamma（随机伽马）
  • RandomFog（随机雾）
  • RandomShadow（随机阴影）
  • CoarseDropout（粗略丢弃）
  • MixUp（混合）
• 添加更多时间步作为伪标签
• 添加伪标签轮次
• 我专注于训练2.5D和3D模型，但完全没有效果：
  • 仅3D模型（例如Resnet3D）
  • 3D编码器 + 2.5D解码器
  • 将其他时间帧的预测作为额外通道输入
  • 堆叠两个Unet，第一个预测多个时间帧的分割掩码，第二个将这些掩码按通道维度堆叠后作为输入