第6名方案 [Private LB: 0.6023]

首先，我要感谢比赛主办方和所有的参赛者！这是我第一次参加 Kaggle 比赛，真的度过了一段美好的时光 😀

以下是我的简要解决方案说明：

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 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，使得至少包含该类别一个实例的概率在 500 个类别中是相等的。例如，模型遇到非常罕见的“高压锅”图像的概率为 1/500。对于非罕见类别，图像的数量受到限制。

2. 模型

基线模型是带有 ResNeXt152 主干网络的特征金字塔网络（Feature Pyramid Network）。主干网络中引入了调制可变形卷积层。模型和训练流程是基于 maskrcnn-benchmark 仓库开发的。

3. 训练

• 单 GPU 训练。训练条件针对单 GPU（V100）进行了优化。基线模型训练了 300 万次迭代，并计划在最后 120 万次迭代中进行余弦衰减。Batch size 为 1（！），并对 4 个批次累积损失。
• 父类扩展。模型在训练时使用不包含父类扩展的真实边界框。父类框是在推理后添加的，根据经验，这比多类训练能获得更好的 AP。
• 迷你验证集。使用了由 5,700 张图像组成的验证数据集子集。使用 K80 GPU 实例每 20 万次迭代进行一次验证。

4. 模型集成

• 集成八个模型。选择了具有不同图像采样种子和不同模型条件（ResNeXt 152 / 101，带和不带 DCN）的八个模型进行集成（在 NMS 之后）。
• 最终 NMS。对集成后的边界框逐类再次执行 NMS。仔细选择 NMS 的 IoU 阈值，以使结果 AP 最大化。重叠度高于阈值的框对的分数被相加。
• 结果。模型集成将 Private LB 分数从 0.56369（单模型）提高到了 0.60231。