第6名方案

首先，恭喜获胜者 @linshokaku 以及所有完成本次比赛的参与者。
我们没有想到会有这么大的震动（我们估计私有测试集中不会有那么多未见过的数据）。

无论如何，感谢 Bengali.AI 和 Kaggle 组织这次比赛，也感谢我的队友 @nejumi ！

下图显示了我们方案的概述。我认为我们的方案非常简单，没有什么特别之处。
（顺便说一句，第一名的方案对我来说非常独特且令人印象深刻 ;-) ）
在这里，我将针对一些值得注意的点进行简单的解释。

注意： 如果您想查看更高分辨率的图像，请参考此 链接。

1. 1. 密集的数据增强

   我们使用了 CutMix、MixUp、Cutout、宽度/高度平移、旋转、腐蚀、GridMask（感谢 @haqishen）、缩放等增强方法。
   CutMix 和 Cutout 对我们两人都很有效，但对我来说，高度平移和旋转效果不好，可能是因为 137 x 236 的尺寸（一些字形元素移到了图像区域之外 :-( ）。

2. 2. 共现关系处理

   在训练集中，R、V 和 C 之间的组合是有限的。但正如主办方所说，在测试集中会出现一些未见过的组合。所以我做了一个简单的技巧；建立一个同时考虑 R、V、C 的共现和非共现关系的模型，以增强基于 SE-ResNet50 模型对未见数据的鲁棒性。该模型在 SE-ResNet 块之后有双路径。一条是从 GeM2D 到各个顶层全连接层（R、V 和 C）的直接路径。另一条则经过 2 个全连接层（请见上图）。

3. 3. 多阶段学习（交叉熵，Reduced Focal Loss（感谢 @phalanx））

   在比赛中期，@phalanx 在这个不错的 帖子 中建议我们使用 OHEM。
   实际上，使用相同的技术后，我们的 CV 分数（召回率）确实提高了。

4. 4. 不同图像尺寸的集成

   在一些 CV 比赛中，不同尺寸的图像集成可以提高分数。我们认为这在本次比赛中也是一样的。这个集成将我们的排名从第 12 名推到了第 6 名。

5. 5. 后处理（对我们影响很大）

   我们调整了预测结果以改善本次比赛的评估指标（召回率）。优化是针对所有类别（168 + 11 + 7）进行的。我们使用（1/每个类别的数量）作为优化的初始值。最优系数非常接近初始值。我们当时非常紧张是否要使用这种后处理，但结果是将我们推入了金牌区。