7th place solution

恭喜大家取得优异的成绩！
我总结并记录了我部分的解决方案以及我们的后处理过程。
关于其他部分：
camaro 的部分：(部分) 第7名解决方案及代码
Jhui He 和 yelan 的部分：https://www.kaggle.com/c/pku-autonomous-driving/discussion/127034#726362

模型1：检测与姿态估计

通用设置

检测模型

• Mask RCNN（移除了mask头）
• 主干网络：resnext101-32x4d
• 在lvis上预训练

姿态估计模型

• HRNet-w18c, efficientnetb0/b3
• 在imagenet上预训练

损失函数

• 分类：BCE
• 检测：Focal Loss
• 姿态回归：L1 Loss

检测：优化器与调度器

• 优化器：SGD(lr=0.01, momentum=0.9, weight_decay=1e-4, nesterov=True)
• 调度器：CosineAnnealingWarmRestarts

姿态估计：优化器与调度器

• 优化器：Adam(lr=0.0001)
• 调度器：无

数据增强

• 检测：水平翻转
• 姿态估计：水平翻转、平移、旋转、随机亮度/对比度

1. 在 boxy-vehicle-dataset 上预训练

首先，我在 boxy-vehicle-dataset 上训练我的模型。
该数据集包含轴对齐边界框和3D立方体，但我只使用了2D bbox。
训练设置：

• 图像分辨率：1232x1028
• 轮数：10
• batch_size：4

2. 在比赛数据集上微调

模型

• 在模型顶部添加深度头

预处理

• 训练集 vs 验证集划分比例 = 9 vs 1
• 使用标签创建3D bbox，然后创建轴对齐bbox
• 深度值处理 -> 1 / sigmoid(depth) - 1

训练设置

• 图像分辨率：800 x 2800, 1400x3300
• 深度损失：L1 Loss
• 轮数：50
• batch_size：4

3. 姿态估计(yaw_sin, yaw_cos, pitch)

预处理

• 根据bbox裁剪图像并调整大小

训练设置

• 图像分辨率：320x480
• 轮数