[第10名方案] YOLOv5 + VFNet + FasterRCNN

大家好！祝贺所有的获奖者。我很激动能进入前10名，因为这是我第一次参加 Kaggle 比赛。感谢 @awsaf49、@corochann、@dschettler8845、@sreevishnudamodaran、@quillio 和 @gauravsingh1 分享他们精彩的公开 Notebooks。感谢 Vingroup Big Data Institute 和 Kaggle 组织了这场比赛。

太长不看版 (TLDR)

• 我使用了 @zfturbo 的加权框融合 (WBF) 来预处理输入。
• 我使用了由 5 个 YOLOv5 模型、1 个 FasterRCNN 模型和 6 个 VFNet 模型组成的集成模型。
• 我使用 WBF 来集成输出结果。
• 源代码：https://github.com/kc3222/Kaggle/tree/main/VinBigDataChestXRayAbnormalitiesDetection

模型

• 5 个 YOLOv5 模型在 768x768 图像上训练（5 折），基于：
  https://www.kaggle.com/awsaf49/vinbigdata-cxr-ad-yolov5-14-class-train
• 1 个 FasterRCNN 模型训练基于：
  https://www.kaggle.com/corochann/vinbigdata-detectron2-train
• 6 个 VFNet 模型训练（5 折 + 1 次随机划分），基于：
  https://www.kaggle.com/gauravsingh1/mmdet-pytorch-framework-training-fasterrcnn-base
• 我尝试训练一些分类模型，但没有一个能比 @awsaf49 的分类得分更高，所以我决定沿用他们的分类结果。

预处理

• 我对基础边界框应用了 WBF，参数 iou=0.5。

训练方法

• 对于 YOLOv5，我使用 hyp.scratch.yaml 配置训练基础模型 50 个 epochs，然后使用 hyp.finetune.yaml 配置微调另外 50 个 epochs（这两个超参数设置都是 YOLOv5 的默认设置）。
• 对于 Faster RCNN，我基于上述提到的公开 notebook 训练了模型。
• 对于 VFNet，我训练每个模型 15 个 epochs，使用了水平翻转、随机亮度对比度和轻微旋转等数据增强。

后处理策略

• 我使用的集成技术是 WBF，参数 skip_box_threshold=0.3。该阈值是根据最佳公开得分选择的。
• 每个模型的权重是其在各自验证集上的 mAP50 得分。
• 基于输入的边界框，有 5 个类别（主动脉扩大、肺不张、心脏肥大、实变和气胸）平均每张图像少于 1.5 个边界框，而其他类别平均每张图像约有 2 个边界框。因此，我决定以 iou=0.4 融合上述类别的边界框（以减少框的数量），而其他类别的边界框则以 iou=0.5 进行融合。
• 分类预测应用于所有 VFNet 模型、Faster RCNN 模型和两个 YOLOv5 模型。三个 YOLOv5 模型未经过滤，因为有些分类是错误的，而且即使图像正常，YOLOv5 模型产生的边界框数量也相对较少