第11名解决方案 - Team COTS
我们很高兴能在榜单震动中“幸存”下来，事实证明相信交叉验证（CV）确实是这里的关键！这是一个伟大的团队努力，与 @anjum48, @yamsam, @imeintanis 和 @markunys 一起合作是一段很棒的旅程。凭借这枚金牌，我们中有3人（@imeintanis, @markunys 和我）将成为竞赛大师，这真是太美妙了 😆
总的来说，观察带有模型预测的视频片段非常重要，这有助于我们发现改进领域，如跟踪、集成和添加新数据。以下是我们解决方案的一些关键点：
最佳私有LB模型流程
1. 最终提交模型 (2个最佳CV模型, 1个最佳CV & LB模型, 1个最佳LB模型)
- 5个YOLO WBF + 1个Cascade RCNN WBF: 仅使用那些与YOLO预测IOU >= 0.3的RCNN预测，以修正YOLO的边界框)。 CV 775 公开LB 626 私有LB 720
- 7个YOLO WBF: CV 781 公开LB 628 私有LB 719
- 4个YOLO WBF + 1个最佳LB模型 WBF: 4个YOLO WBF CV 771, 公开LB 653, 私有LB 706
- 2个最佳LB模型 WBF: 不确定CV分数, 公开LB 718, 私有LB 666。
2. 集成与最终提交
最终提交 notebook
- 模型推理使用1.3倍训练尺寸（yolov5中的多尺度推理）。
- 对每个单独模型使用低置信度阈值，在WBF之后使用高置信度阈值（与WBF前使用高阈值和WBF后使用低阈值相比，CV提高约0.005）。
- 模型挑选标准：数据的多样性（是否使用CLAHE预处理）、训练方法（1阶段，2阶段）和模型（yolov5或rcnn）。
3. CV方案
- 手动挑选代表20%数据的序列（4707张图像）——在代表性和数据大小之间取得平衡。这导致最终CV和私有LB的相关性达到90%。
- 挑选标准：每帧的COTS数量 + 根据f2分数判断预测难度（我们不想挑选太容易或太难预测的序列子集）+ 跨不同视频的序列。
- 由于计算限制未使用5折交叉验证。未使用video_id，因为它会占用太多数据。
4. 训练
- 使用所有标注图像 + 约5%的背景图像进行训练（这些背景图像是从高FP图像中挑选或随机挑选的，这使CV提高了约0.005）。
- 使用CV选择超参数和最佳轮数 --> 使用所有数据进行提交训练。
- YOLOv5: 默认超参数（mixup, mosaic, flip, HSV, translate, scale），但学习率为0.001，使用Adam优化器。
- 1阶段模型：使用GT数据训练20~40个epoch，batch size为4，训练图像尺寸2400~3600（取决于模型大小）。
- 2阶段模型：像1阶段模型一样使用原始数据训练，然后使用GT数据以0.0001的学习率训练10个epoch。
- 一些模型还使用了
--label-smoothing 0.2以加快收敛并提高CV分数。
- Cascade-RCNN: mmdetection框架，增强包括flip, rotate, CLAHE, HueSaturation, RandomBrightnessContrast, RandomSizedBBoxSafeCrop。
5. 后处理
- 在WBF之前对每个模型使用跟踪器（与在WBF之后使用跟踪器相比，CV提高约0.01）。
- 对于跟踪器，我们过滤掉了那些位于边缘的预测，因为它们通常是FP（这