基于基线Notebook的简单方法（第6名方案）

感谢主办方举办了一场非常有趣的比赛，感谢我的队友（@yasushiyui 和 @kotaiizuka）的付出，以及所有一起努力的Kagglers。特别感谢 @its7171，他是优秀基线Notebook的作者。

虽然已经有很多优秀的顶级解决方案分享了，但我们想分享我们的方案，作为一个例子，展示如何仅通过对基线进行少量调整就能提高分数。
如果您注意到任何问题或想了解更多细节，请随时发表评论。

摘要

• 基本上，我们使用了基线Notebook的处理流程。
• 与公开排行榜第1名的解决方案类似，为了利用时间信息，我们将三个相邻帧转换为灰度图，并在通道方向上进行组合。我们认为这个想法对于我们的解决方案进入公开金牌区至关重要。
• 我们应用了比赛中常用的技术（高分辨率图像、修改损失函数、自定义数据增强、集成、TTA等）。

使用三个相邻帧

下图显示了该技术的流程。为了利用时间信息并使用与RGB图像输入相同的处理流程，我们将三个相邻图像转换为灰度图，并在通道方向上进行组合。大多数实验使用 time_stride=1。在最后一次提交中，我们分别集成了使用 time_stride=1、2 和 3 训练的模型，以利用更长的时间信息。

参数设置

• 训练
  • 数据集
    • fold0: 3c993bd2_0, 3c993bd2_1
    • fold1: 1606b0e6_0, 1606b0e6_1
    • fold2: 35bd9041_0, 35bd9041_1
  • 输入尺寸: (3, 720, 1280)
  • 时间步长 (time_stride): 1, 2, 3
  • 混合精度训练 (amp): True
  • 20个轮次 (cooldown_epochs=0)
  • 评估指标: mAP
  • 模型
    • tf_efficientnet_b0_ap
    • tf_efficientnet_b1_ap
  • 损失函数: 4类二分类交叉熵 (4-class binary cross entropy)
  • Dropout: 0.2
  • 数据增强
    • RandomAffine, RandomPerspective, RandomHorizontalFlip, ColorJitter(亮度, 对比度), Mixup
• 检查点平均
  • 使用 timm 中 avg_checkpoints.py 的默认设置
• 推理
  • 调整大小的插值方法: cv2.INTER_AREA
  • 裁剪比例 (crop_pct): 0.875 (tf_efficientnet_b0_ap 的默认设置)
  • 3模型集成 + 水平翻转 TTA
  • 为了加速，每2帧推理一次（未推理帧的预测通过线性插值生成）
  • 自定义数据加载器，在GPU推理过程之前预取图像
  • 对 make_sub 函数中的 window_size 和 ignore_width 进行参数调整

各实验得分

下表显示了基线Notebook和我们主要实验的设置及得分。
我们公开LB最佳（0.784）的模型未被选为最终提交，因为它几乎超过了时间限制。