第18名解决方案
大家好！感谢主办方和组织者举办了如此精彩的比赛。我从这次比赛中学到了很多东西。
总结
- 作为起点，我使用了 @ammarali32 和 @underwearfitting 的预训练模型。感谢你们的分享！！
- 三阶段训练策略：
- 第一阶段：基模型 + 针对所有类别的分类器（使用轻度增强）
- 第二阶段：基模型 + 针对每个类别的分类器（使用轻度增强）
- 第三阶段：基模型 + 针对每个类别的分类器（使用重度增强）
- 作为重度增强手段，我尝试使用了“基于标注的 MixCut”：
- 为了增加数据多样性，随机擦除标注区域及其标签，并用无标签图像进行填充。
- 为了避免 Notebook 运行超时错误，我多次测量了运行时间。通过放弃模型3第10折的测试时增强（TTA），我成功将运行时间控制在了8小时59分钟。
- 我非常幸运，成功避免了报错！
我相信我本可以尝试许多其他的想法，比如深入研究外部数据集，但我是一个人参赛，没有足够的时间和 GPU 资源。
最终，我的公开测试集得分为 0.970（第22名），私有测试集得分为 0.973（第18名）。
