第 12 名解决方案

致谢

我们要感谢 Kaggle 和竞赛组织者提供数据集和参赛机会。我们也感谢社区提供的讨论和分享的想法，这些帮助改进了我们的方法。

---

1. 整体流程

1. 使用 OCR 进行方向检测和校正
2. 使用 OpenCV 检测纸张区域并裁剪
3. 使用关键点检测模型检测 17 个网格点
4. 对于检测到的 17 个关键点，扩展四个角关键点并添加四个额外点。然后，对预定义的 Type1 关键点布局应用德劳内三角剖分 (Delaunay triangulation)，并将目标图像中由相应检测关键点定义的每个三角区域 warp 到此布局上。为了减少高分辨率图像的信息损失，在 warp 过程中参考关键点被放大了 2 倍 (如下图所示)。
5. 从步骤 4 的结果中裁剪每个导联 (lead) 区域，并使用信号提取模型预测每个导联的信号。

• 预测和扩展关键点的可视化。
  

• 显示德劳内三角剖分和 warp 后的图像可视化。边界框表示用作模型输入的每个导联的 ROI (感兴趣区域)。
  

---

2. 数据

仅使用了竞赛数据 (无外部或合成数据)。

---

3. 网格关键点检测

1. 使用分割模型预测 17 个独立的关键点掩膜 (17 个输出通道)。
2. 使用连通组件 (scipy.ndimage.label) 提取关键点坐标并进行加权平均。

模型架构

一个简单的 U-Net 分割模型，带有 convnext_small.dinov3_lvd1689m 骨干网络，一个用于 PAF 辅助损失的额外解码器头，以及一个方向检测头。

损失函数

混合损失包括：

• Dice 损失
• BCE 损失
• PAF 损失
• 用于方向分类的交叉熵损失

训练过程

1. 对 N = 350, 450, …, 700 重复以下过程：
   • 手动标注 N 张图像的 17 个网格关键点
   • 使用带有手动标注 ground truth 标签的图像训练模型 (如果有可用则从前一个 checkpoint 初始化权重)
   • 预测所有图像的关键点，并使用 ground truth 和预测的伪关键点微调模型
2. 在此阶段，准确率通常很好，除了右侧边缘点。因此，将伪关键点导入回标注工具，仅手动校正预测错误的右侧边缘关键点。然后使用完整标注微调模型以获得最终模型。

数据增强

• OneOf:
  • ElasticTransform (弹性变换)
  • GridDistortion (网格畸变)
  • OpticalDistortion (光学畸变)
• OneOf:
  • ShiftScaleRotate (平移缩放旋转)
  • Perspective (透视)
• RandomBrightnessContrast (随机亮度对比度)
• GaussianNoise (高斯噪声)
• ImageCompression (图像压缩)
• CoarseDropout (粗 Dropout)
• 旋转 90/180/270 度

---

4. 信号提取

1. 使用 U-Net 分割模块进行信号分割
2. 通过 2D 网格采样，使用可学习的 warp 场 (另一个 U-Net 解码器分支的输出) 对掩膜应用 warp
3. 使用基于一维 CNN 的回归头从 warp 后的分割掩膜预测信号时间序列
4. 使用带有 1D 网格采样的可学习优化重采样器重采样到 2.5 倍采样频率

上述所有模块均联合训练。
由于重采样引起的相位偏移显著，我引入了一个可学习的重采样器来优化重采样。
(例如，在仅修剪或填充最终预测的 number_of_rows 的最后一个点然后插值回 number_of_rows 的实验中，公开榜从 21.49 退化到 20.12/20.00。)

模型架构

• 骨干网络：convnext_tiny.dinov3_lvd1689m / convnext_small.dinov3_lvd1689m

损失函数

混合损失包括：

• 用于信号分割的 Dice 损失
• 用于信号分割的 BCE 损失
• 用于信号回归的 SNR 损失
• 用于网格 warp 正则化的 Warp 平滑损失

数据增强

• OneOf:
  • ElasticTransform (弹性变换)
  • GridDistortion (网格畸变)
  • OpticalDistortion (光学畸变)
• RandomBrightnessContrast (随机亮度对比度)
• GaussianNoise (高斯噪声)
• ImageCompression (图像压缩)
• CoarseDropout (粗 Dropout)
• 使用伪 (预测) 关键点代替 ground truth (手动) 关键点进行区域裁剪
• 向关键点坐标添加高斯噪声
• 额外的右侧边缘关键点噪声
• 随机选择采样频率并重采样 GT 信号

注意: 上述增强不适用于信号分割 ground truth 掩膜。目标是让模型通过 warp 模块学习畸变校正。

预处理 / 训练

• 对于模型输入图像，使用 GT/预测关键点裁剪每个导联的 ROI，高度恒定。每个调整为 (3, H_lead=384, W_LEAD=1536) 并堆叠为 (n_leads=16, 3, H_lead, W_LEAD)。此外，类似地准备顶部区域图像 (n_leads_top=4, 3, H_lead, W_LEAD)。
• 对于信号分割 GT 掩膜，在绘制目标导联的掩膜后，裁剪包括 y=0 和 ±1 区域的目标区域 (如下图所示)，并调整为 (3, 3 × H_lead=1152, W_LEAD=1536)，然后为所有导联堆叠为 (n_leads=16, 3, 3×H_lead, W_LEAD)。
• 为了处理信号超出目标导联区域的情况，模型在编码器特征空间中连接相邻 y ±1 区域的特征，因此最终单导联预测分割高度为 3×H_lead，与 GT 掩膜匹配。

V5 导联的 GT 掩膜示例。红色边界框表示用于训练的裁剪区域。

---

5. 集成

简单的加权平均集成效果最好。
最终使用了三个模型 (网格关键点检测模型为单个模型)。结合 90 度旋转 TTA，总共 3 × 2 = 6 个预测通过加权平均组合以获得最佳结果。

• 单一模型

• 集成