第10名解决方案！

感谢主办方和参赛选手们。
这是一项对我来说很有趣的比赛。

我很高兴成为Kaggle Master！！

团队成员

@sugupoko、@hatakee、@kfuji
同事们！！

解决方案概述

感谢 @fnands ！！
基础笔记本：https://www.kaggle.com/code/fnands/a-quick-yolov7-baseline

Yolo的分割头大小是1/4（512 => 128）。所以我将输入分辨率从640改为160。

独特想法（也许）

我最后使用ds1进行了微调，因为我不想使用膨胀（dilate）！！

推理代码

https://www.kaggle.com/sugupoko/10th-place-inference-yolov7ensemble-pseudo-res640

参考之前的比赛

我们的许多实验来自之前的两个比赛：

• https://www.kaggle.com/competitions/global-wheat-detection
• https://www.kaggle.com/c/sartorius-cell-instance-segmentation/overview

进展不顺利的地方：

• 应用了两次伪标签。
• Yolov8（训练和推理）。
• mmdetection（对我们来说太难了...）
• 在检测到的BBOX中进行Unet预测。
• NMS转换为WSF
  • https://www.kaggle.com/code/mistag/sartorius-tta-with-weighted-segments-fusion

未能很好实现的功能：

• 使用通过合并tiles重新生成的数据进行训练。

未能完成的事情：

• 使用染色工具进行增强。
• 使用额外数据进行学习。

其他

我训练了更高分辨率（640=>800）的模型。该模型的LB分数是我们所有模型中最高的。
LB: 0.473, PB: 0.563