第33名单模型方案

随着比赛的结束，祝贺所有的获胜者。

我们尝试了不同的架构，从 resnet18、resnet34、vgg16、seresnext50、dpn92 到 densenet169。

dpn92 和 densenet169 展现了最好的结果。作为最终方案，我们根据最高的 LB（排行榜）分数选择了 densenet169。dpn92 仅稍微落后一点，但模型的权重非常大（每个 fold 约 500MB），因此我们没有冒险加载它们。

我们没有在第二阶段的新训练集上重新训练模型。

最终决策详情

在 5 个折上训练，共 50 个 epoch，进行了 3 次。

1. IMAGE_SIZE（图像尺寸） - 1024
2. 使用了采样器：60% 带有掩码。
3. 损失函数：BCE + DICE + Focal。
4. 优化器：Adam，学习率 (LR) = 0.0001
5. 学习率调度器：CosineAnnealingLR
6. 批次大小 (BATCH_SIZE)：4
7. 梯度裁剪 (GRADIENT CLIPPING)：1

数据增强

我们使用了 albumentations 库进行变换：

1. Horizontalflip（水平翻转）
2. Randomcontrast（随机对比度）
3. Randomgamma（随机 Gamma 校正）
4. Randombrightness（随机亮度）
5. ElasticTransform（弹性变换）
6. Griddistion（网格畸变）
7. OpticalDistortion（光学畸变）
8. ShiftScaleRotate（平移缩放旋转）