第25名方案总结

使用的工具

• Tensorflow/Keras
• Colab（使用免费版 TPU）
• Google Cloud Storage
  我在本地渲染数据，将数据打包成 .tfrec 格式，并上传到 Google Cloud Storage（约 2TB）。为了确保容量不会爆炸，我将图像压缩成了 PNG 格式。

数据集

• 使用了训练集（非完整版*）和验证集数据
• 使用了默认设置（来自示例代码）进行渲染，除了 min_future_frame（= 10）

网络主干

• Xception
  我尝试了 Keras 提供的许多主干网络以及不同版本的 Resnet（101, 50, 34, 18），发现 Xception 的质量最好（通过验证集评估）。
• Batch size = 256

其他技巧

• 验证
  使用了验证集数据和部分训练集数据。我根据 Agent 中心点的 y 坐标位置，将训练集和验证集数据分成了五部分。我确保相同（或相似）的地图不会同时出现在训练集和验证集中。
• 多模态
  我预测了 4 种模式，并选择了置信度最高的前 3 种模式。此外，我尝试过更多模式（> 4），但发现只有 4 种模式具有较大的置信度值，而其他模式从未被选中。这种不平衡问题在多模态技巧中似乎很常见。
• 标签平滑
  我对每个真实标签“乘以”了一个微小的高斯噪声（均值 = 1，标准差 = 0.00333）。
• 自定义损失函数
  我使用了官方提供的多模态评估指标作为损失函数。为了对极端情况给予更多的惩罚，损失值乘以了一个权重，该权重与每个 Agent 的“角度”成正比。
  角度计算公式：Angle = acos(x/sqrt(x**2 + y ** 2))，其中 是每个 Agent 最终位置的坐标。
• 丢弃历史帧
  我使用了 10 个历史帧进行训练，但我发现大约 5% 的测试数据的历史帧少于 10 个。因此，我随机丢弃了目标历史帧中的历史信息。

*由于 Colab 内存的限制，我无法使用完整的训练数据进行预处理。太遗憾了。