第5名方案：MaskRCNN、伪标签与Cellpose

恭喜所有获奖者，感谢 Sartorius 团队和 Kaggle 举办这场比赛，比赛非常有挑战性且有趣。

方法

我的流程如下图所示：

步骤 1：使用 Detectron2 在 LIVECell_dataset_2021 数据集上训练 MaskRCNN 模型（不包含 shsy5y 细胞）。
步骤 2：在比赛训练数据集和 LIVECell shsy5y 细胞数据上微调 MaskRCNN 模型。
步骤 3：预测 train_semi_supervised 数据集并将其作为伪标签。
步骤 4：使用 LIVECell shsy5y 细胞 + 比赛训练集 + train_semi_supervised（伪标签）微调模型。
步骤 5：使用上述模型预测比赛训练集和 LIVECell shsy5y 细胞。
步骤 6：基于步骤 5 的结果，使用 Cellpose 生成 flow-x、flow-y 和语义分割图。
步骤 7：在 LIVECell_dataset_2021 数据集上训练 Cellpose 模型（不包含 shsy5y 细胞）。
步骤 8：使用步骤 7 的结果作为额外通道来微调 Cellpose 模型。
步骤 9：使用 Cellpose 进行预测和后处理。直径设置为 19 并重新预测。

MaskRCNN + Cellpose 架构图如下：

结果

尝试过但无效的方法

• Deep Watershed 及其变体。
• OmniPose。

如果有更多时间想尝试的方法

• 将 Cellpose 作为 MaskRCNN 的附加头部。
• 使用各种数据集的检测模型 + UNET 单细胞分割。

新年快乐！