最后几天轻松获得银牌 [第55名]
我借鉴了 Severstal 缺陷检测比赛的流程，仅提交了 6 次，就在最后两天获得了银牌。以下是第 55 名方案的简要描述。
两步流程
- 1) 多任务网络（分类 + 分割）作为分类器，用于去除空白掩码。
- 2) 针对每个类别进行二值分割。
第一步
我在 480x640 的图像上训练了 5 折交叉验证的 FPN(resnet34) + 辅助分类输出，使用了 Flip（翻转）和 RandomBrightness（随机亮度）作为数据增强。模型只训练了 6-7 个 epoch 就开始过拟合，我没有对此做特殊处理，只是根据指标保存了前 5 个检查点。
- 损失函数（分割头）： bce+dice
- 损失函数（分类头）： bce
- 优化器： AdamW
- 后处理： 移除小于 10000 像素的掩码
- 阈值： [0.6, 0.6, 0.6, 0.6]
第二步
针对每个类别，仅在包含该类别掩码的图像上训练了 2 x Unet(se_resnext50_34x4d)！使用了相同的优化器、图像尺寸和数据增强。
- 损失函数： bce+dice
- 阈值： [0.4, 0.4, 0.4, 0.4]
集成
对所有模型的检查点权重进行了平均（验证集上提升 +0.005-0.01）。每个阶段的模型仅通过 Flip TTA（测试时增强）进行了平均。
有用链接
Segmentation Models https://github.com/qubvel/segmentation_models.pytorch Test Time Augmentation for PyTorch https://github.com/qubvel/ttach祝贺获胜者！