非常感谢主办方组织了这样一场精彩的比赛。我非常喜欢这类资源需求较低的比赛（因为我只有 Kaggle Kernels 和 Colab😄），而且可以应用很多技巧。

同时祝贺所有获胜者、参与者和贡献者。我读过的所有方案都非常精妙，以至于我在犹豫是否要发布我的方案。

这场比赛非常独特，既可以应用图像处理也可以应用文本处理，此外还有一些后处理技巧。同时也需要建立良好的验证机制。

以下是我简单的方案：

方法

折分配

使用 GroupKFold，每个组的计数是分层抽样的，因此标签的计数分布在训练集和验证集之间几乎相似。共分配了五个折，其中四个折用于训练，一个折用于验证（80%-20%）。

图像处理

Efficientnet - B1 : 640x640 - 仅 1 个折
尝试了另一个使用 Efficientnet B5 : 512x512 的折，但 LB 仅增加了 0.001（非常微不足道），而且是在 Private LB 上，Public LB 是一样的。
使用自定义回调函数进行检查点保存，该回调在每个 epoch 后进行阈值搜索（余弦）并计算验证集上的 F1 分数。

文本处理

Tfidf 向量化

阈值

阈值部分有点棘手，因为必须在图像和文本结合时确定。如果我分别计算图像和文本的最佳阈值然后合并结果，效果并不是最优的。在我的情况下，在验证集中将阈值保持在 0.45（余弦）对两者来说都是最优的。在提交时，它仅比验证阈值低 0.2（即 0.25）。这需要在几次提交后确定，并且之后与验证集正确关联。

组合

拼接图像预测和文本预测。

后处理 - 1

基于 UOM 移除误报。

后处理 - 2

如果匹配项只有 1 个，则根据距离拼接最接近的产品（同时考虑图像和文本，取距离较小者）。

还计划应用更多想法，如 BERT、降低阈值和增加传递关系等，但由于其他优先事项，没有时间实施。

致谢

还要特别感谢（我认为这还不够）@cdeotte 的贡献，每当我参加任何比赛时，他的贡献都对我产生了巨大的影响。