第5名解决方案（部分）

恭喜所有的参赛者！
感谢整个团队 @erniechiew 和 @css919 的通力合作！

关于解决方案的另一部分，请参阅 此处讨论。

代码地址：
https://github.com/4uiiurz1/kaggle-pku-autonomous-driving

我的方法基于 CenterNet。

检测头

• 热力图 [1]
• xy 偏移量 [2]
• z (深度) [1]
• 姿态 [6]: cos(yaw), sin(yaw), cos(pitch), sin(pitch), cos(roll), sin(roll)
• 宽高 [2]: 这不用于预测，但作为辅助任务学习它提高了 PublicLB 的分数。

热力图的损失函数是 Focal Loss，其他的是 L1Loss。wh loss 的权重是 0.05。在计算损失时，掩膜图像的掩膜区域被忽略。

网络架构

• ResNet18 (ImageNet 预训练) + FPN (通道数: 256->128->64)
• DLA34 (KITTI 3DOP 预训练) + FPN (通道数: 256->256->256)
• 输入尺寸: 2560 x 2048 (2560 x 1024)
• 输出尺寸: 640 x 512 (640 x 256)

增加输入尺寸非常有效，mAP 显著提高。
我尝试了更深的网络 (ResNet34, 50)，但没有效果。

数据增强

• HFlip (p=0.5): 水平翻转图像，且 yaw *= -1, roll *= -1。
• RandomShift (p=0.5, limit=0.1): 平移图像和位置。
• RandomScale (p=0.5, limit=0.1): 缩放图像和位置。
• RandomHueSaturationValue (p=0.5, hue_limit=20)
• RandomBrightness (p=0.5, limit=0.2)
• RandomContrast (p=0.5, limit=0.2)

训练

• 优化器: RAdam
• 学习率调度器: CosineAnnealingLR (lr=1e-3 -> 1e-5)
• 50个 Epochs
• 5折交叉验证
• Batch size: 4

后处理

• 通过将热力图乘以掩膜，从预测中移除掩膜区域。
• NMS (距离阈值: 0.1): 我不确定这有多有效...
• 使用 imagehash 查找重复图像并进行集成。PublicLB 略有提高。
• 分数阈值: 0.3 (用于验证集 mAP: 0.1)

模型集成

通过平均原始输出图，集成每一折的模型和两个模型 (ResNet18, DLA34)。

分数总结