第4名解决方案

我们感谢 Bengali.AI 和 Kaggle 为这次比赛付出的努力，并祝贺所有的获胜者。你们有趣的发现、新颖的方法、对问题、数据集以及评估指标的深刻理解给我们留下了深刻的印象。

我们的解决方案相对直接，与一些顶尖的解决方案有相似之处。

我们将训练集中的 1295 个字形称为 ID（字典内，in-dictionary），将测试集中未知的字形称为 OOD（字典外，out-of-dictionary）。第一步是训练 Arcface 模型并计算这 1295 个字形各自的特征中心。然后，我们可以根据测试图像到每个字形中心的最小特征距离来判断它是 ID 还是 OOD。在我们获得第4名的提交中，我们将分类阈值设置为 0.15（余弦距离），这是在本地估算得出的。在进行 ID/OOD 分类后，我们仅将 Arcface 模型应用于 ID 集，并通过字形类别确定组件类别。对于 OOD 集，我们训练了另一组单头和三头组件模型，并仅将其应用于 OOD 集。

关于 Arcface 模型的更多信息：

• 网络结构：inception_resnet_v2 和 seresnext101
• 输入图像预处理：普通缩放
• 输入图像尺寸：320x320
• 损失函数：Arcface
• 目标：1295 个字形分类
• 总训练轮数：90
• 数据增强：仅使用 cutout

关于 OOD 模型的更多信息：

• 网络结构：inceptions, resnets, densnets, efficientnets ... ... ...
• 输入图像预处理：https://www.kaggle.com/iafoss/image-preprocessing-128x128
• 输入图像尺寸：从 256x256 到 416x416 不等
• 损失函数：CE (交叉熵)
• 目标：vowel_diacritic（元音变音符号）和 consonant_diacritic（辅音变音符号）采用三头输出，grapheme_root（字根）采用单头输出
• 总训练轮数：10（更多的训练会损害 OOD 的性能）
• 数据增强：仅使用 mixup