感谢主办方举办如此精彩的比赛。
我要向 @hengck23 表达我最诚挚的感谢。通过他在讨论区的评论，我在比赛中从他那里学到了很多观点！

数据增强

• 因为我对不同的模型应用了不同的集成模型，所以有几种不同的增强方式。

使用的增强方法：

• 5种简单增强：HSV（色调、饱和度、亮度）、随机翻转、旋转90度、随机噪声、随机对比度。
• 针对特定器官（脾脏、肺）的染色增强，我也将此增强用于前列腺，但分数从未提高。

针对不同器官的不同增强

• 对3个器官（前列腺、大肠、肾脏）使用5种简单增强。
• 对2个器官（脾脏、肺）使用5种简单增强和染色增强。

模型（每个器官使用不同的集成模型）

• 训练图像尺寸：768 * 768

肾脏、大肠

• 使用 pvtv2-b4 骨干网络和 conv3x3 解码器，5折交叉验证中的3折（fold1, fold2, fold3），每个权重分别为 0.05, 0.3, 0.65。

前列腺（使用集成模型未能提高公共分数）

• 使用 pvtv2-b4 骨干网络和 conv3x3 解码器，5折交叉验证中的1折（fold3）。

脾脏

• 使用 pvtv2-b4 骨干网络和 conv3x3 解码器，5折中的3折（fold1, fold2, fold3）+ 仅针对脾脏训练的4折中的1折（fold3），并取所有模型预测的平均值。

肺

• pvtv2-b4 骨干网络 + conv3x3 解码器，5折中的1折（fold2, fold3）+
• pvtv2-b4 骨干网络 + DAformer 解码器，仅针对肺部的5折中的2折（fold2, fold3）+
• pvtv2-b4 骨干网络 + conv3x3 解码器，仅针对肺部的5折中的1折，所有训练图像均进行了染色归一化（fold3）
• 权重：fold3 的 pvtv2-b4 骨干网络 + conv3x3 解码器权重为 0.28，其他为 0.18。

验证

• 使用 25% 的训练数据验证单一器官模型。
• 使用 20% 的训练数据验证所有器官训练模型。

阈值

各器官阈值设置如下：

organ_threshold = {

    'Hubmap': {
        'kidney'        : 0.45, 
        'prostate'      : 0.40,                    
        'largeintestine': 0.30,                  
        'spleen'        : 0.30,                      
        'lung'          : 0.07,                         
    },

    'HPA': {
        'kidney'        : 0.50,
        'prostate'      : 0.50,
        'largeintestine': 0.50,
        'spleen'        : 0.50,
        'lung'          : 0.10,
    },
}

详细 Notebook 链接