第25名方案

首先，我要感谢主办方举办这场精彩的比赛，它真的非常有趣且充满挑战！

我们的解决方案遵循以下4步流程：

1. 使用 YoloV5 进行头盔检测
2. 使用 WBF 进行边界框融合
3. 使用 DeepSort 进行头盔跟踪
4. 标签分配（即：将跟踪数据映射到视频数据）

1) 头盔检测

我们以全图像分辨率训练了5个 yolov5x6 模型，采用5折交叉验证（5-fold CV），共训练10个epoch（每个epoch约1小时）。你可以在这里找到完整的 Notebook。

2) 边界框融合

然后我们使用 WBF 对边界框进行了融合。

3) 跟踪

我们使用比赛数据训练了 DeepSort（这稍微提升了 LB 分数）。训练方法很简单，就是使用裁剪后的框训练一个分类模型（包含1k+个类别）。你可以在这里找到训练用的 Notebook。

我们还使用 WandB Sweeps 进行了超参数调优，你可以在这里找到优化用的 Notebook。

4) 标签分配

到目前为止，最具挑战性的部分是进行标签分配。你可以在下图中看到我们的算法。

该算法中最重要的部分是标签平均（利用跟踪信息）和线性分配算法。配准是使用 gmmreg 完成的。

你可以在这里查看完整代码。

我们使用强大的 WandB sweep 工具调整了一些超参数，可以在这里找到该 Notebook。

对我们无效的尝试：

1. PointNet：无法让网络学到任何有用的东西（Notebook1 和 Notebook2）。
2. ProbReg 配准算法：它虽然有效，但 gmmreg 效果要好得多。
3. 基于图像的分类：类别太多且遮挡太严重（网络可以在训练集上学习，但泛化能力不佳）。