第8名解决方案（含代码 - 最小版本）
大家好，
首先，我要感谢 Kaggle 和主办方举办这次比赛。
祝贺所有的获胜者！
我的流程示意图。它包含2个模型：已见模型和未见模型。
摘要
- 未使用外部数据
- 我在流程中使用了2阶段预测，如上图所示，它包含一组2个模型（已见模型 和 未见模型）。
- 我使用 Arcface 来区分未见的字素。就像区分未见过的人脸一样 ;)
- 如果检测到图像是“已见”的，我直接使用已见模型的输出作为预测结果。如果检测到图像是“未见”的，我会将其传递给未见模型以获得预测结果。
- 已见模型和未见模型之间的不同点如下：
- 已见模型仅使用非常少的数据增强，以确保它能“过拟合”已见字素；而未见模型使用大量数据增强，使其泛化到未见字素。
- 已见模型有5个输出头，包括 Arcface 输出。而未见模型有正常的4个输出头。
- 除了输出头的数量外，顶部的架构也略有不同。
- 当预测由已见模型做出时，我将预测的字素分解为3个组件；而当预测由未见模型做出时，我直接使用预测的3个组件。
代码
我已经在 Kaggle Kernel 上发布了我的训练和测试流程的最小版本，如下所示：
步骤 1. Bengali Train Seen Model (孟加拉语训练已见模型)
在 Kernel 上训练约 5 小时
步骤 2. Bengali Train Unseen Model (孟加拉语训练未见模型)
在 Kernel 上训练约 8.5 小时
步骤 3. Bengali Predict with Seen & Unseen Models (使用已见和未见模型进行预测)
提交约需 20 分钟
这个最小版本使用了两个 EfficientNet-b1，在 128x128 分辨率下训练 30 个 epochs，可以在 Public LB 上获得 0.985+ 或在 Private LB 上获得 0.935+ 的成绩。
如果您觉得我的笔记本有帮助，请点赞支持！
要在 Public 或 Private LB 上获得超过 0.993+ 或 0.950+ 的成绩，您只需要简单地：
- 将主干网络更改为 EfficientNet-b5 / b6 / b7 / b8
- 在 224x224 分辨率下训练
- 训练 60~90 个 epochs
- 集成更多的已见和未见模型
如果您有任何问题，请随时给我留言。
谢谢！