第8名方案

首先，感谢 Google 和 Kaggle 举办了这次比赛，并祝贺获胜者们 :)

由于我们的解决方案与已经发布的方案以及 DELG 本身非常相似，我将保持简单和简略。

数据集

• GLDv2 clean
• 80% 用于训练，20% 用于验证（按图像划分）

损失函数

• ArcFace Layer
  • Margin（边距）: 0.3
  • Scale（缩放）: 46

模型

• ResNet101
• EfficientNetB5
• GeM 池化
  • R101 使用冻结的 p=3
  • B5 训练参数 p
• 池化后应用 FC + BN 生成 2048 维描述符

训练

• 在 512x512 分辨率下训练至收敛
• 在 640x640 分辨率下微调几个 epoch
• R101 大约训练了 35 个 epoch，B5 大约训练了 20 个 epoch

推理

• 多尺度 TTA (测试时增强)
  • R101: 调整为 (640, 768) 的方形图像
  • B5: 调整为 640 的方形图像 + 保持宽高比调整为 1024
  • 每个模型通过平均多尺度预测并进行 l2-归一化生成 2048 维描述符
• 集成方式：将模型的预测拼接成 4096 维描述符，随后进行 l2-归一化