第3名方案

抱歉来晚了，我将简要描述一下我的解决方案。

方法

我使用了 lip-r50 和 seresnext101 作为主干网络，训练分辨率为 448 * 448。为了节省资源，我先用 352 * 352 的分辨率训练 seresnext101，并在最后几个 epoch 使用 448 * 448 的分辨率进行微调。对于这两个主干网络，我都训练了 120 个 epoch，采用余弦衰减（cosine decay）策略，使用了标签平滑和 mixup（平衡采样）。我选择标准的交叉熵损失作为损失函数。

在测试阶段，使用了 576 * 576 的分辨率和十裁剪测试。最后，我融合了上述两个模型以获得最终的 softmax 分数（seresnext101_softmaxscore * 0.6 + lip-r50_softmax_score * 0.4）。和其他队伍一样，我也使用了重评分来修正预测结果，因为测试集中每个类别的样本不超过 10 个，所以我根据置信度分数对测试集中的样本进行排序，对于那些 top-1 类别已经有 10 个样本的样本，我将其改为 top-2 类别，并重新对分数进行排序。最终我们得到了最终的分数。

我也花了很多时间使用 CNN 特征训练一些离线分类器（如 knn 和 svm），但效果提升甚微。