第15名解决方案

感谢 Kaggle 和主办方举办了如此精彩的比赛。

我的方法是使用如下所示的一个简单的 Conv2D 网络。
遗憾的是，其他复杂的方法在我的实验中效果并不理想。

• 白化： 使用平均功率谱密度（PSD）。对每个站点的所有噪声样本进行平均。
• CQT 缩放： 参数设置为 filter_scale = 8/bins_per_octave 和 (fmin, fmax)=(20, 1024)。同时使用了绝对值部分和角度部分。
• 数据增强
  • 水平/时间平移
    • 在两侧填充，然后进行水平随机裁剪以获得时间平移图像。 -> ROC +0.002。
  • Mixup，防止过拟合
• GeM： 固定 power 为 3 比可训练的情况效果更好。 -> ROC +0.001

模型得分

我的最终得分是 Log STFT 和 CQT 模型的融合结果。