第6名方案：高分辨率就是你所需要的一切

预处理

我只使用了train图像，没有使用半监督数据或 LiveCell 数据。

所有的训练图像都被切分成更小的尺寸，窗口大小为 (208, 281)，步长为 (104, 140)。因此，一张 (520, 704) 的图像可以被切分成 16 张小图像。

训练

模型

在 Private LB（私有排行榜）上，模型的选择似乎并不那么重要。我的 res2net-101、resnext-101 和 detectoRS-r50 在 Private LB 上都能达到 0.350 的分数，尽管它们在 Public LB（公开排行榜）上的表现非常不同。

集成模型并不能显著提高 Public 和 Private LB 的分数。对我来说，单模型就足够了。

超参数

我使用 mmdet 进行训练，采用默认的 1x schedule 和 1x SWA 训练。图像尺度设置为 (1333, 1333)-(800,800)。

推理

测试图像也像训练图像一样被切分。测试图像尺度为 [(1333,1333), (1024,1024), (800,800)]。

Mask 按分数从高到低进行迭代。低于类别阈值的分数和低于类别像素阈值的区域被移除。

在处理重叠时，如果重叠部分超过 Mask 自身面积的 20%，我会移除该 Mask。

RCNN 的 NMS 被替换为带有 DIoU 的加权聚类 NMS (Weighted cluster-NMS)。

提交

我的最终提交是以下模型的集成结果：

• HTC-Res2Net101（使用所有数据训练）
• HTC-ResNeXt101（使用所有数据训练）
• HTC-Res2Net101（使用 fold0 训练）

不足之处

推理时间太长，每个模型需要 2 小时。