[Public #1 Private #2] + [Private #7/8 (潜在)] 解决方案。主办方获胜。

正如我所承诺的，我将在比赛结束后立即发布我的解决方案。这将是一个很长的话题，因为这两个解决方案完全不同。因为 Kaggle 提示“您分享此链接的频率过高。我们阻止冗余帖子以减少垃圾邮件”，所以我将一些链接放在了代码块中。

在介绍解决方案之前，感谢我的队友 @jionie，这是我们获得的第二枚金牌，也是第一次进入奖金区！！！！！！干杯！！！！！！

我将首先从我们的 [Private #7/8 (潜在)] 解决方案开始，因为我保证你在看到另一个解决方案后会说出那个“F”开头的词。

[Private #7/8 (潜在)] 解决方案

训练：
我们的第一个解决方案是基于 @kaerunantoka 的 公共 Notebook 和去年的第二名解决方案。训练代码基本上是上述两个流程的混合体。
需要提及的一些关键点：

1. 数据增强:

   OneOf([
       Gain(min_gain_in_db=-15, max_gain_in_db=15, p=0.8),
       GainTransition(min_gain_in_db=-15, max_gain_in_db=15, p=0.8),
   ]),
   OneOf(
       [
           NoiseInjection(p=1, max_noise_level=0.04),
           GaussianNoise(p=1, min_snr=5, max_snr=20),
           PinkNoise(p=1, min_snr=5, max_snr=20),
           AddGaussianNoise(min_amplitude=0.0001, max_amplitude=0.03, p=0.5),
           AddGaussianSNR(min_snr_in_db=5, max_snr_in_db=15, p=0.5),
       ],
       p=0.3,
   ),
   AddBackgroundNoise(
       sounds_path=self.config.BACKGROUND_PATH, min_snr_in_db=0, max_snr_in_db=2, p=0.5
   ),
   Normalize(p=1),

2. CutMix + MixUp

3. 损失函数: BCEWithLogits + BCEFocal2WayLoss

4. 超参数设置 (n_fft, n_mels, hop_length) 请参考我们的推理 Notebook。

我们的推理内核和所有训练好的模型均公开可用。
只有一个关键点需要提及：如果在之前或之后的 5 秒内检测到鸟类，我们将对概率进行排序，并将前 5 名的鸟类物种添加到当前检测到的鸟类中。

由于该解决方案未被选为我们的最终提交，我们不知道实际排名，但由于其在 Private LB 上得分为 0.79，排名应该在 7-8 位。

[#1 Private #2] 解决方案

实际上，我很好奇没有人发现这一点，该解决方案是由主办方提供的，并且最终被主办方允许。

1. 如果你查看讨论帖 Meet the host，你会发现主办方在帖子中提到了 BirdNet 项目。
2. 点击链接，很容易找到主办方的 GitHub 仓库。
3. 然后，找出主办方模型与评分鸟类之间的重叠类别，21 种评分鸟类中有 20 种是相同的（除了 aniani）。
4. 相应地修改 example 文件夹下的 species_list.txt，我已将修改后的仓库上传到 Kaggle 这里。
5. 按照我们的

   同比赛其他方案

   1st place solution models (it’s not all BirdNet)

   3rd place solution

   4th place

   5th place solution

   6th place solution (human-in-the-loop)