[第30名方案] 奇怪的TTA技巧？通过象限检测带来了巨大的提升！
大家好！在这次比赛中能与大家并肩作战真是一种荣幸。在 YOLOv5 出现之前，我曾在公共排行榜上名列第二，这要归功于一个巧妙的小技巧，它带给我的提升比预期的要大。
我使用的是 EffecientDetB5 模型，在没有任何 TTA（测试时增强）的情况下，公共榜单得分约为 0.72。使用了我的 TTA 技巧后，得分大幅提升到了 0.7535。我将在下面解释这一点，并且很想听听大家关于它为何如此有用的意见。此外，这里有一个包含工作示例的 Notebook。
我的动机是我没有时间训练 1024x1024 的分辨率，但我仍然希望在训练 640x640 的同时能够利用全分辨率的信息。所以我的想法是：
- 将测试图像分解为 640x640 的象限（因此它们之间会有一些重叠）。
- 对所有 4 个象限进行推理，并将结果拼接在一起。
- 对调整大小为 640x640 的完整图像进行推理（以帮助填补空白——稍后详述）。
- 使用 WBF（加权框融合）进行集成。
这是一张解释象限 + 全图缩放的示意图。
关于拼接
我不想保留任何太靠近象限边缘的框，因为它们可能会切过麦穗的中间部分。所以我丢弃了它们。
现在你可以明白为什么我也对缩放后的全图进行了推理。我想捕获任何可能被上述方法丢弃的框。
关于训练
我发现使用这种方法时，训练期间的 mosaic 数据增强对我的分数没有帮助。我坚持对训练图像进行随机缩放裁剪。裁剪的大小均匀分布在 [640, 1024] 之间。这样我就获得了经常在接近全分辨率下训练的好处。
向 Kagglers 请教
我实际上不熟悉多尺度推理的概念。我知道这是一种 TTA 技术。具体发生了什么？它和我做的类似吗？