第24名（Private）方案 - 单模型方法

在本次比赛中，似乎有多种可行的方法，如细胞级分类或图像级热图预测。在比赛初期，我尝试使用原始图像级标签运行检测模型（mmdetection 和 yolo），但未能获得好的分数。这让我意识到，图像级标签很难准确代表每个细胞的标签。

随后，我想尝试基于 CAM（类激活映射）的模型。Puzzle-CAM 论文及其实现很容易上手。我的最终模型基于 Puzzle-CAM，没有对训练模式或模型架构进行太多修改。

超参数

数据增强：
随机裁剪输入图像尺寸的约 80%
随机翻转/转置
随机亮度/对比度
随机遮罩
优化器： AdamW
轮数： 10
损失函数： 用于分类的多标签软边界损失 + 用于重建的 L1 损失
学习率： 从 1e-4 线性递减至 1e-6

推理

每个细胞的概率是通过将图像级概率与归一化的 CAM logits 相乘计算得出的。使用滑动窗口对输入图像进行预测。
TTA（测试时增强）：2 次翻转和 3 个尺度（0.75, 1.00, 1.50）

消融研究

模型：Densenet121
输入分辨率：800x800 -> 512x512 裁剪
数据集：仅比赛数据
LB：0.457 (public)

数据集：比赛数据 + 外部数据
LB：0.481 (public)

输入分辨率：1280x1280 -> 1024x1024 裁剪
LB：0.503(public)

模型：Xception
LB：0.527(public)
LB：0.495(private)

我曾尝试通过裁剪单个细胞并使用从 CAM 模型找到的标签进行训练来制作细胞级分类器。但标签仍然存在噪声，且效果不如 CAM 模型。因此，最终方案中没有使用细胞级模型。

我也尝试过集成基于 CAM 的模型。训练了 Densenet121、Resnest50 和 Xception 模型（每个均为单折）。Xception 的表现优于其他模型，集成带来的提升很小。因此决定采用单模型和 TTA。

我还实验了一些损失函数，如 Focal Loss、Asymmetric Loss For Multi-Label Classification 和 Sharpness-Aware Minimization。它们都适合这个问题，但可能需要更多的超参数调整。