第11名方案 [Private LB: 0.4796]

我要感谢比赛组织者和所有的参赛者！

以下是我的简要方案总结：

1. 数据集

• 无外部数据集。正如我在官方外部数据线程中所描述的，我只使用了 FAIR 的 ImageNet 预训练权重进行初始化。
• 类别平衡。对于每个类别，对图像进行采样，使得在 300 个类别中，每个类别至少有一个实例的概率相等（1/300）。从图像中随机选取一个实例来训练下述的分割网络。

2. 流程与模型

采用了一个包含检测和单实例分割网络的两阶段流程。

• 检测模型。检测基线模型是带有 ResNeXt152 骨干网络和可调制变形卷积层的特征金字塔网络。
• 分割模型。分割模型是 ResNet152-C4，带有两个上采样层和两个类似 U-Net 的跳跃连接。

每个实例是基于以下条件从图像中裁剪出来的：

1. 训练时：真实的边界框。
2. 推理时：由（集成后的）检测模型检测到的边界框，包括父类。

裁剪后的图像被调整为 (320, 320)。输出掩码分辨率为 (160, 160)。

模型和训练流程是基于 maskrcnn-benchmark 代码库开发的。

3. 训练

训练条件针对单 GPU (V100) 进行了优化。

• 检测模型。检测模型使用 500 类的边界框标签进行训练，并集成了八个模型（在目标检测赛道 Private LB 得分为 0.597）。
• 分割模型。分割模型训练了 180 万次迭代，并在最后 20 万次迭代中安排了余弦衰减。Batch size 为 8，并使用了 Batchnorm 层。

4. 模型集成

• 双模型集成。两个具有不同图像采样种子的分割模型进行了集成，分别包含使用和不使用水平翻转的情况。输出的热力图进行了平均处理。
• 结果。模型集成将 Private LB 分数从 0.4740（单个分割模型）提高到了 0.4796。