第58名方案

非常感谢主办方举办这场精彩的比赛！
同时也感谢所有在这里分享实验经验的参赛者们。

模型

在本次比赛中，较浅的模型表现更好。我使用了 (EfficientnetB1-B5_ns, EfficientnetV2s, Seresnet101)。

所有模型均在 3 种不同的分辨率下进行训练 - 384*384, 515*512, 768*768。

采用 5 折交叉验证 (5 Fold Cross-validation)。

数据增强

transforms_train = transforms.Compose(
    [
        transforms.Resize((IMG_SIZE, IMG_SIZE)),
        transforms.RandomHorizontalFlip(p=0.3),
        transforms.RandomVerticalFlip(p=0.3),
        transforms.RandomResizedCrop(IMG_SIZE),
        transforms.ToTensor(),
        transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
    ]
)

最佳方案

3 模型集成 - 公榜 0.43 私榜 0.49 (无 TTA) - Efficientnet B1-NS 分辨率 512
9 模型集成 - 公榜 0.44 私榜 0.49 (无 TTA) - Efficientnet B1-NS 分辨率 384
5 模型集成 - 公榜 0.45 私榜 0.50 (无 TTA) - EfficientnetV2s 分辨率 384

3 模型集成 - 公榜 0.43 私榜 0.50 (有 TTA) - Efficientnet B1-NS 分辨率 512
9 模型集成 - 公榜 0.44 私榜 0.50 (有 TTA) - Efficientnet B1-NS 分辨率 384