第27名 简单方案

首先，感谢主办方举办这次比赛。我们也感谢 @hengck23 的讨论和笔记本分享。

模型

• Coat_small+daformer，尺寸=768，折数=5，swa
• Coat_small+daformer，尺寸=768，折数=5，外部数据，swa
• Coat_lite_medium+daformer，尺寸=768，折数=5，swa
• Coat_lite_medium+daformer，尺寸=768，全部数据，swa
• Coat_small(level5)+daformer_conv1*1，尺寸=1152，折数=5，swa
• pvt_v2_b4+daformer_conv3x3，尺寸=768，折数=5，swa
• pvt_v2_b4+daformer_conv3x3，尺寸=768，全部数据，swa
• pvt_v2_b4+smp_unet，尺寸=768，折数=5，swa
• pvt_v2_b4+smp_unet，尺寸=768，全部数据，swa

数据增强

随机翻转、旋转、噪声、色调饱和度亮度、仿射变换等。

数据处理

我们选择了三种训练数据处理方法：

• 将原始数据划分为训练数据和验证数据进行训练。
• 使用全部数据进行训练。
• 对外部数据进行标注，然后加入原始数据中进行训练。

推理

集成

• Coat_small+daformer：fold0, fold3
• Coat_lite_medium+daformer：fold2, fold3, fold4, all_data
• Coat_small(level5)+daformer_conv1*1：fold0_1152
• pvt_v2_b4+daformer_conv3x3：fold1, fold2, fold3, fold4, all_data, fold3_384, fold2_384, fold3_1024
• pvt_v2_b4+smp_unet：fold0, fold2, all_data

TTA (测试时增强)

翻转，旋转

器官阈值

有效方法

SWA（随机权重平均），TTA（测试时增强），调整阈值，模型融合，多输入尺寸融合，数据增强（随机翻转、旋转、噪声、色调饱和度亮度、仿射变换）。

无效方法

数据增强 - rgbtogbr 和 cutout，外部数据和染色归一化。