第二名方案

恭喜所有获奖者。非常感谢 Kaggle 和主办方举办这场精彩的比赛。特别感谢我的队友。

我们的解决方案包含两个部分：分类和分割。

分类

该部分用于判断图像是否与气胸相关。
我们的模型是一个基于 U-Net 的多任务模型，带有一个用于分类的分支。

• 数据： 所有数据
• 分类损失： BCE + focal loss
• 分割损失： BCE
• 数据增强： 水平翻转、缩放、旋转、亮度、模糊
• 主干网络： seresnext50, seresnext101, efficientnet-b3
• 模型融合： 堆叠法

分割

使用了两种模型进行分割：U-Net 和 DeepLabV3。

• 数据： 包含气胸的数据
• 损失函数： Dice loss
• 数据增强： 与分类部分相同
• 主干网络： seresnext50, seresnext101, efficientnet-b3, efficientnet-b5
• 模型融合： 平均

我正在整理源代码，很快就会更新。