[Public 第1名 / Private 第5名] 解决方案概述

感谢所有与我们竞争的团队、所有参与本次比赛的人，以及主办方举办如此精彩的比赛。

非常遗憾最后跌落排名，错过了第1名……！

我们的最终 Notebook 已公开。

概述

我们的解决方案包含3个步骤：

• 第1步：构建大量的单模型。（我们最终的提交包含14个单模型）
• 第2步：计算相似度分数以检测相同的图像，包括之前比赛的训练+测试图像（约70000张）和本次比赛的图像。
• 最终步：对于超过阈值的数据，我们可以使用之前比赛的元数据。因此，我们针对每个领养速度制作了模型作为后处理。

单模型

我们使用了以下模型：

• 所有模型仅使用图像进行训练。（不包含元数据！）
• 在 Dataset 类中裁剪长边以固定长宽比。