第 6 名解决方案 - Ultralytics YOLO

感谢 Kaggle 和大家。我从主办方的示例代码开始，并通过不同的配置训练了几个 Ultralytics 的 YOLO 模型。

总结

• Ultralytics YOLO 模型
• 应用滤波器进行去噪
• 更多的数据增强
• 阈值策略
• 来自 @brendanartley 的外部数据

数据处理

• 使用 [z-3, z, z+3] 切片作为 RGB 通道输入。
• 使用汉明窗沿 z 轴过滤数据以进行去噪。

数据增强

修改 ultralytics/data/base.py 以进行更多增强，如 gamma 调整和随机尺寸。

阈值处理

两种策略，表现都很好：

• 按 56 百分位阈值处理
• 自动阈值：

  s = np.sort(confidence_score)
  r = [ ( s[i-50] + s[i+50] - 2*s[i] ) for i in range(50, len(s)-200) ]
  confidence_threshold = s[ np.argmax(r) + 50 ]

模型集成

私有 leaderboard 分数由 4 个模型集成得到：

再次感谢。