Public/Private 第3名 方案分享

感谢主办方、竞争对手以及我的队友 @ks2019。
这是一场非常棒的比赛！
以下是我们团队的方案总结。

总结

• ArcFaceSubcenter + Dynamic Margin（动态间隔）
• 多种主干网络（Swin, ConvNeXt, ResNet200D, EfficientNet 等）
• 使用外部数据（FGVC8）
• 使用 Logits（逻辑斯谛）进行预测

建模

伪标签

我们使用了 FGVC9 和 FGVC8 的比赛数据，但 FGVC8 没有比赛标签。
我们使用伪标签技术为这些数据标注了标签。

首先，我们对 FGVC9 训练集和 FGVC8 数据集使用了 KNN 匹配。
如果阈值小于 0.5，这些数据会被用于训练。

接下来，我们调整了标签。FGVC8 拥有相同的酒店列表。
我使用了平均聚合方法。

预测

我使用 Logits（逻辑斯谛）进行预测，因为测试集有遮罩，但训练集没有遮罩。
我认为匹配训练集和测试集很困难，所以我决定比较 KNN 和 Logits 的效果。
在我的实验中，Logits 的效果优于 KNN。

我的推理时间大约为 2 小时。

无效尝试

• 使用 Hotel50K 数据集
• 梯度检查点