第一名解决方案

感谢这个有趣的挑战，并祝贺获奖者。

我的解决方案非常直接。基本上就是一个检测基线，没有太多额外的内容。

使用 Cascade R-CNN，配置如下：

• 强大的主干网络
• 多尺度训练和测试

由于 GPU 内存有限，模型是在 1024x1024 的裁剪图像上训练的，并在完整图像上进行测试（有最大尺寸限制）。

LB 分数 0.935 的配置：

• HRNet w32
• 训练尺度 512~768
• 测试尺度 [0.5, 0.625, 0.75]

LB 分数 0.946 的配置：

• HRNet w32
• 训练尺度 768~1280
• 测试尺度 [0.75, 0.875, 1.0, 1.125, 1.25]

集成 HRNet_w32 和 HRNet_w48 的结果 -> 0.950。