再次感谢 Kaggle 和主办方举办了一场有趣的比赛。祝贺所有的获胜者。特别感谢我所有的队友 @takuok 和 @tascj0。幸运的是，我们也获得了识别比赛的金牌。我们在检索方案帖子中展示了我们模型的详细信息。

在这里，我们展示识别挑战中独特的部分。

识别任务中的技巧

我们使用了与去年第一名团队相同的两种策略。在提交时，我们使用了 train4.1m 数据的预计算嵌入，并对那些与非地标图像相似的嵌入进行惩罚。这些方法今年依然非常稳健，对于获得金牌至关重要。

这种方法将单个模型的分数从 公开/私有 0.37843/0.36045 提升到了 0.45724/0.43252。

最终分数是 beit, swin, b4, b6, xcit, v2m, b5 的集成。有关模型的详细信息，请参阅检索帖子。

致谢

takuoko 是 Z by HP & NVIDIA 数据科学全球大使团队成员。

特别感谢 Z by HP & NVIDIA 赞助我一台配备双 RTX6000 GPU 的 Z8G4 工作站和一台配备 RTX5000 GPU 的 ZBook。

这次比赛的数据集非常大。所以我尝试在我的双 RTX6000 GPU 上使用 PyTorch 的 DDP 并行训练，这帮了大忙。