第22名方案 - Train4Ever

感谢主办方提供了如此有趣的比赛。虽然最终未能进入金牌区，但我们仍希望分享我们的解决方案。

我们的解决方案包含3个阶段：

• 检测
• 追踪
• 分类后处理

1. 检测

• 像大家一样使用了一些流行的模型。我们使用了 CascadeRCNN ResNeSt200、YoloV5、YoloX 和 YoloR。
• 模型集成方式：WBF (加权框融合)

2. 追踪：

• 我们没有投入足够的时间去寻找比公开 Notebook 中更好的追踪方案。因此，我们直接使用了 Norfair，没有做任何重大修改。
• 应用 Norfair 后，可以肯定的是，虽然召回率提高了，但预测结果中包含了许多误检。这正是第3阶段旨在解决的问题。

3. 分类：

• 这在我们的流程中非常重要，因为我们没有特别强的检测器和追踪方法。
• 流程：检测器预测边界框 -> 裁剪 -> 分类 -> 融合
• 我们使用了5折交叉验证。在每一折中，4个检测器分别对训练集和验证集进行预测。我们重点关注难处理的假阳性（检测分数高但错误）和难处理的假阴性（检测分数低但正确）。所有检测器在训练集上的预测结果被拼接起来，并通过 NMS 减少重叠，然后用于训练分类模型。同样的方法也被用于生成分类模型的验证集。
• 我们还从互联网上抓取了一些知识共享许可的 COTS 数据，以增强模型的泛化能力。
• 模型：EfficientnetB7, Eca Nfnet L0
• 图像尺寸：128
• 数据增强：重度增强。仅在训练 EffB7 时使用 Cutmix。
• 训练 Notebooks：
  Eca nfnet l0 训练代码
  EffB7 训练代码
• 2种模型 x 5折 = 最终提交使用了10个分类模型
• 融合方法：使用分类概率分数与检测器的边界框置信度分数的几何平均值。
• 我们估计，在我们最终 0.706 分的解决方案中，这一步在私有排行榜上提升了约 6%。