第46名方案 - 简单的图像级多标签分类器

恭喜所有获奖者！感谢本次比赛的组织者。

特别感谢 @rdizzl3, @phalanx, @alexanderriedel, @thedrcat, @linshokaku, @its7171, @dschettler8845, @samusram 分享知识和数据集。我从你们那里学到了很多。

摘要

“简单的图像级多标签分类器”

标签是通过将分类器应用于由 HPA-Cell-Segmentation 获得的单细胞掩码来确定的。

分类器使用完整数据集进行训练。

工具

• Colab Pro, GCE, Tesla V100 16GB 单 GPU
• GCS
• Pytorch Lightning
• Neptune
• Kaggle API

数据集

我同时使用了比赛默认数据集和额外数据集。

• HPA 512 PNG Dataset by @phalanx
• HPA 768 PNG Dataset by @phalanx
• HPA 1024 PNG Dataset
• HPA Public Data 768x768 "rare classes" dataset by @Alexander Riedel

额外数据集是参考公开笔记下载的。图像保存为 768px png。大小约为 200 GB。

HPA public data download and HPACellSeg

验证

使用了 MultilabelStratifiedKFold，进行 5 折划分。

多标签分类器的性能通过 Macro-F1 和 Micro-F1 分数进行验证。

iterative-stratification

模型训练

3通道 RGB 图像。图像大小为 1024px，并使用以下数据集进行训练：

• 1024px 比赛默认数据集 + 768px 稀有类别数据集（调整为 1024）
• 1024px 比赛默认数据集 + 768px 额外数据集（调整为 1024）
• AdamW
• CosineAnnealingLR
• epochs = 5（完整数据），10（稀有类别数据）。使用了 bce 和 focal loss。