第25名 简单方案

我要感谢主办方举办了这场精彩的比赛。
同时，我也想向我的队友 @hwigeon 和新队友 @methyl 表达感谢，感谢他们对比赛的投入。
我还要特别感谢青蛙 @hengck23。如果没有他在公开讨论区留下的评论，我可能早就放弃这场比赛了。

数据增强

如果不使用“疯狂”的数据增强，我的分数甚至无法突破0.6。
在应用了非常强力的数据增强并进行了大量的 epoch 训练后，我才能稳定地将分数提升到 0.75+。

我应用了 HSV（色调、饱和度、亮度）、亮度调整、随机裁剪与缩放、染色归一化、前列腺尺寸的激进变化等增强手段，进行了 500 个 epoch 的 patch 训练 + 400 个 epoch 的全图微调。
在应用这些增强后，我们的大多数模型都能得分超过 0.75。

模型

Kaggler : ( Patch + 微调 ) Efficientnet7+Deeplabv3plus, Efficientnet6+Deeplabv3plus, Efficientnetv2l+Deeplabv3Plus, Coat-small + Coat-small-pl [768,1536, 1024,1536,1536]
Hwigeon : (仅 Patch) swin transformer_Unet + PvT + Coat
Methyl : (仅全图) PVT + Coat [1024,1024,1024,1024]

验证

我们在验证环节失败了。组队时，虽然我知道验证非常重要，但由于时间紧迫，或者某些模型的性能未能完全复现，我们无法正确地进行 CV 验证。我们只能依赖 Hubmap 的公开榜单（LB）。

阈值

organ_threshold = {
        'Hubmap': {
            'kidney'        : 0.40,
            'prostate'      : 0.40,
            'largeintestine': 0.40,
            'spleen'        : 0.40,
            'lung'          : 0.10,
        }}

虽然我们没能获得金牌，但我没有任何遗憾，因为我已经尽了最大的努力。
感谢阅读！