第四名解决方案 - CenterNet

既然过拟合策略失败了，那我们就聊聊我一个月前做的工作吧。😅

我使用了 CenterNet，架构为 DeepLabV3+，骨干网络为 EfficientNetV2，起步于这个示例。

• 将骨干网络改为 EfficientNetV2 B0~XL
• 将输出热图大小更改为输入的 1/8，并添加了回归头
• 训练分辨率为 1280x720，推理分辨率为 1792x1008 (1.4倍)
• 融合两个模型可以在 Private LB 上获得 0.712 分，如果在 1.6 倍分辨率下推理则可以获得 0.722 分

实际上，我很高兴能在巨大的排名变动中幸存下来。😃

感谢大家，祝贺所有的获奖者。