第7名方案

祝贺所有获奖者。以下是我们的解决方案：

代码库与硬件

我们使用了 mmdetection，训练时使用 4 块 Tesla T4，TTA 推理时使用 8 块 Tesla T4。

模型设置

共有 300 个类别，分为 3 个层级：

• 275 个叶子类别
• 23 个父类别
• 2 个祖父类别（Carnivore 和 Reptile）

对于 275 个叶子类别，我们训练了以这 275 个类别为标签的模型，并直接使用推理结果。

对于 25 个父类和祖父类，有两种方法获取预测结果：

• 。使用叶子模型的预测结果，并“扩展”到父类和祖父类。例如，如果叶子模型预测了一个 Tortoise（乌龟）掩码，我们会添加一个 Turtle（海龟）预测（其父类）和一个 Reptile（爬行动物）预测（其祖父类），使用相同的掩码和分数。
• 。我们训练仅以 23 个父类为标签的模型，并扩展到 2 个祖父类。注意，对于这些模型，我们需要在训练前创建实例分割的层级扩展（如此处所述）。

验证集

为了加快推理速度，我们从官方验证集中抽取了一个小子集，叶子模型使用 2844 张图像，父类模型使用 3841 张图像。我们使用验证分数来决定何时调整学习率以及选择最佳检查点。

验证分数显著高于 LB（排行榜）。对于 275 个叶子类别，我们的验证分数超过 0.8。尽管如此，验证集和 LB 之间的差异是稳定的。

训练集重平衡

Open Images 数据集在 300 个类别之间极度不平衡。我们对叶子模型的训练数据进行了如下重平衡：按图像数量降序排列 275 个类别。因此类别 #0 是最大的类别。

重平衡后，每个 epoch 大约有 45 万张图像。

*对于欠采样，我们每个 epoch 使用不同的随机种子，以便向模型提供尽可能多的图像。此外，这个 6k 的数字是一个粗略目标。在实际采样中，前几个类别最终会有更多的图像，因为许多图像有多个标签，而且在完成第 1-3 组采样后，顶部类别已经有超过 6k 的图像。

类似地，对于父类模型，对 23 个类别进行排序：

重平衡后，每个