第8名方案

我的方案要点：

1. 使用 ResNeXt152 作为主干网络的 Cascade Mask RCNN 模型。
2. 在 LIVECell 数据集上进行预训练。
3. 使用了伪标签技术。
4. 使用了 WBF 和 WMF（加权掩码融合）。
5. 针对每种图像类别分别进行训练和推理。

训练策略

我曾尝试在所有类别上训练模型，但效果不佳，因此我改为针对每个类别分别进行训练和推理。

我首先在 LIVECell 数据集上预训练模型，并使用比赛数据进行微调。然后，我对 train-semi-supervised 数据进行推理以生成伪标签。最后，使用比赛数据和伪标签对这些模型进行微调。

预训练和微调的方法与这些代码类似。

推理策略

我使用 WBF 将 Cascade Mask RCNN 和 YOLOv5x 预测的边界框进行集成，并使用这些框来生成掩码。我使用了 WMF，这是应用于掩码集成的 WBF 方法，并对不同折次的掩码进行了集成。

WMF 代码与此处代码相同，只是增加了 WMF 功能。

我在这次比赛中投入了数百小时，对结果非常满意！！