第一名解决方案 (1/26 详情已更新)

感谢大家，祝贺所有顶尖团队。我正在度假，所以我会在春节后发布详细内容。

简介

• 数据增强：水平翻转、三轴旋转、颜色变换、噪声、模糊。
• 使用 keras hourglass centernet。
• 透视变换以提高效率。
• 回归 yaw, cos(pitch), sin(pitch), rot_pi(roll), x, y, z, r。
• 融合 6 个结果 (2 种类型的头部 * 3 种类型的变换)。
• 通过拟合 LB（排行榜）进行后处理。

特别感谢这些内核：

• CenterNet Baseline @hocop1
• Augmented Reality @ebouteillon
• metrics evaluation script @its7171

新年快乐

1/26 详情更新

网络

我的方法基于 keras hourglass centernet。
一些注意事项：

• 6 Dof：回归 yaw, cos(pitch), sin(pitch), rot_pi(roll), x, y, z, distance。
• 最终丢弃了 XY bias 结果。
• 在我的第二个模型中移除了 Car types 和 XY bias。

透视变换

两个目的：

• 缩小小（远）车和大（近）车之间的尺寸差距。
• 在不扩展图像的情况下覆盖更多的异常值。

我发现当我增加输入尺寸时，模型对大车的预测效果不好，所以我让它们变小了。额外的好处是可以包围异常值。

原始图像：

变换后：

覆盖范围比较：（点表示 GT 位置）

带有异常值的验证结果：（红点：GT，绿色：预测热图）

坐标参考

我认为不同位置的相同特征应该得到不同的结果。所以我加入了这一层以获得更好的预测，并在训练时应用随机裁剪。

数据增强

我使用了：水平翻转、相机旋转、颜色变换、噪声、模糊。

相机旋转

这是我方法中最重要的一部分。因为我只有 4001 张训练图像，其中 5 张是坏的，还有 256 张用于验证。如果没有旋转增强，很容易过拟合。

增强效果如下：（中心是原始图像）

详情请参考 这个内核。

训练

• 热图使用 Focal loss。
• 回归使用 Huber loss。
• Adam 优化器。
• 手动调整学习率从 10^-3.5 到 10^-5.5。
• 大约 0.4M 次迭代。
• 训练流程：完整网络 -> 部分 -> 仅头部 -> 完整 ...
• 每次迭代更改输入尺寸（随机裁剪）和批次大小。
• 每次训练使用一块 2080Ti。（我有 2 块）。
• 总共 6 个模型，2 个头部 * 3 个变换（不同的参数和输入尺寸）。

推理