第12名解决方案

我非常高兴能够在本次竞赛中获得我的第一枚金牌，同时也是个人金牌。同时感谢OpenMMLab、SenseTime和香港中文大学，他们开发了这个非常优秀的mmdetection库。

总结

我使用了Dataset3的伪标签来训练Cascade Mask RCNN + Convnext v2 large模型。

模型

• 检测器：Cascade Mask RCNN
• 骨干网络：Convnext v2 Large
• 损失函数：FocalLoss

数据增强

• Albumentations
  • 畸变增强对我非常有效

            dict(
                type='OneOf',
                transforms=[
                    dict(type='OpticalDistortion', p=0.3),
                    dict(type='GridDistortion', p=0.3),
                    dict(type='ElasticTransform', p=0.1),
                            ], p=0.5),
            )

• mmdet增强
  • AutoAugment, MixUp, Mosaic, RandomErasing

训练过程

首先，对由4种数据集构成的4个模型的输出值进行加权分段融合（WSF），为Dataset3创建伪标签。

我参考了以下教程进行WSF -> WSF教程

其次，使用Dataset3的伪标签和Dataset2的人工标签对模型进行预训练。

最后，仅使用Dataset1的数据对模型进行微调并提交。