623. ISIC 2024 - Skin Cancer Detection with 3D-TBP | isic-2024-challenge
首先，我想借此机会感谢 ISIC 主办此次竞赛，并感谢 Kaggle 团队促成此事。
以下是第 11 名解决方案的详细信息（交叉验证：0.180 / 公开榜：0.184 / 私有榜：0.171）。
| convnext small | convnext base | swinv2 tiny | |
|---|---|---|---|
| 学习率 | 1e-4 | 1e-4 | 1e-4 |
| 批次大小 | 32 | 32 | 32 |
| 训练轮数（选择最佳 pAUC） | 5 | 5 | 5 |
| 正例 : 负例 | 1:100 | 1:30 | 1:60 |
| dropout | 0.2 | 0.0 | 0.2 |
| 池化 | Gem | Gem | AdaptiveAvgPool2d |
| 辅助损失 (*1) | ○ | ○ | |
| 外部图像 (*2) | ○ | ||
| 交叉验证 (CV) | 0.158 | 0.161 | 0.153 |
| 公开榜 (Public) | 0.154 | 0.160 | 0.154 |
| 私有榜 (Private) | 0.146 | 0.148 | 0.144 |
使用了来自这个数据集的外部恶性图像（谢谢！）。
排除了 image_type 为 "clinical: overview" 的图像。
将多分类学习中每个类别的预测作为特征添加。
通过除以最大值来缩放每个 seed 的预测。
改变了欠采样的 seed。并使用 5 折 × 5 种采样模式的平均 pAUC 运行实验。
对于提交，使用所有训练数据进行了 seed 平均（不同的欠采样 seed）。
谢谢！