kaggle比賽-海星目標(biāo)檢測比賽復(fù)盤(銀牌)
# 比賽經(jīng)驗(yàn)
此次比賽名次
最終獲得前2%的成績,簡單點(diǎn)就是銀牌??!

此次比賽總結(jié)
1.給自己的實(shí)驗(yàn)記錄 一定要制作一個(gè)lb和cv的參數(shù)表 最后可以根據(jù)參數(shù)表來權(quán)衡
2.不要盲目相信discussion 的做法 人家可能是有目的的誤導(dǎo)
3.準(zhǔn)備一套自己的推斷notebook 可以省很多時(shí)間
4.發(fā)現(xiàn)一個(gè)模塊不work,盡量理解不work的原因 而不是盲目的去遍歷。
關(guān)注公眾號(hào)回復(fù)“上分”獲取銀牌源代碼!

# 比賽復(fù)盤
賽題背景
澳大利亞令人驚嘆的美麗大堡礁是世界上最大的珊瑚礁,擁有 1,500 種魚類、400 種珊瑚、130 種鯊魚、鰩魚和大量其他海洋生物。
不幸的是,珊瑚礁受到威脅,部分原因是一種特殊的海星——以珊瑚為食的棘冠海星(或簡稱 COTS)的數(shù)量過多。科學(xué)家、旅游經(jīng)營者和珊瑚礁管理者建立了一個(gè)大規(guī)模干預(yù)計(jì)劃,以將 COTS 爆發(fā)控制到生態(tài)可持續(xù)的水平。
本次比賽的目標(biāo)是通過建立一個(gè)在珊瑚礁水下視頻上訓(xùn)練的物體檢測模型,實(shí)時(shí)準(zhǔn)確地識(shí)別海星。

評測指標(biāo)
常見的評測指標(biāo):F2score
數(shù)據(jù)介紹
提供三段視頻的圖像切片
需要檢測的目標(biāo)較小
# 比賽方案
工具庫:mmdetection,yolov5
開源代碼鏈接:the framework of ensemble | Kaggle
https://www.kaggle.com/toongzhhang/the-framework-of-ensemble
比賽最終的方案是fasterrcnn和yolov5通過wbf模型融合
定義模型
wbf示例代碼
每個(gè)模型的每個(gè)預(yù)測框都添加到List B,并將此列表按置信度得分C降序排列
建立空List L 和 F(用于融合的)
循環(huán)遍歷B,并在F中找到于之匹配的box(同一類別MIOU > 0.55)
如果step3中沒有找到匹配的box就將這個(gè)框加到L和F的尾部
如果step3中找到了匹配的box就將這個(gè)框加到L,加入的位置是box在F中匹配框的Index. L中每個(gè)位置可能有多個(gè)框,需要根據(jù)這多個(gè)框更新對應(yīng)F[index]的值。
# 上分技巧
1.加大分辨率:提高yolo輸入圖片的size可以提高模型的性能
2.工具庫:ensemble-boxes
https://github.com/ZFTurbo/Weighted-Boxes-Fusion
關(guān)注公眾號(hào)【學(xué)姐帶你玩AI】回復(fù)“上分”獲取銀牌源代碼!