Kaggle 经典比赛 Global Wheat Detection 高分方案解析

321Leo123
75 阅读4分钟

本篇文章为比赛第一名方案解析，该比赛涉及到CV-目标检测-农业方向。

介绍：参赛者将从小麦植物的户外图像中检测小麦穗，包括来自全球各地的小麦数据集，利用世界范围内的数据，以估计小麦穗的数量和大小。

网址：www.kaggle.com/c/global-wh…

重点

  • Custom mosaic data augmentation
    自定义马赛克数据增强
  • MixUp  混合
  • Heavy augmentation  重度增强
  • Data cleaning  数据清洗
  • EfficientDet  高效检测
  • Faster RCNN FPN  更快的 RCNN FPN
  • Ensemble multi-scale model 集成多尺度模型
  • Test time augmentation(HorizontalFlip, VerticalFlip, Rotate90)
    测试时间增强（水平翻转，垂直翻转，旋转 90 度）
  • Pseudo labeling  伪标签

数据处理

  • 自定义马赛克增强

马赛克是一种数据增强方法，将 4 张训练图像合并成一张进行训练（而不是 CutMix 中的 2 张）。不是随机裁剪图像的一部分，我创建了以下自定义马赛克增强，以保留边界信息：

image.png

  • 混合操作

image.png

  •   重度增强：
    随机裁剪，水平翻转，垂直翻转，转为灰度，添加高斯噪声，高斯噪声，运动模糊，中值模糊，模糊，对比度受限自适应直方图均衡化，锐化，浮雕，随机亮度对比度，色调饱和度值

image.png

模型

  • 5 折，分层-k 折，按来源分割（usask_1，arvalis_1，arvalis_2…）
  • 优化器：EfficientDet 使用初始学习率 5e-4 的 Adam，Faster RCNN FPN 使用初始学习率 5e-3 的 SGD
  • LR 调度器：余弦退火
  • 混合精度训练与 nvidia-apex

性能
有效 AP/公共 LB AP

  • EfficientDet-d7 图像大小 768：Fold0 0.709/0.746，Fold1 0.716/0.750，Fold 2 0.707/0.749，Fold3 0.716/0.748，Fold4 0.713/0.740
  • EfficientDet-d7 图像尺寸 1024：Fold1,3
  • EfficientDet-d5 图像尺寸 512：Fold4
  • Faster RCNN FPN-resnet152 图像大小 1024: 第 1 折
  • 集成使用 wbf 的 9 个模型可以达到 0.7629 公共 LB/0.7096 私有 LB（旧测试集）

伪标签

  • 基础：EfficientDet-d6 图像尺寸 640 Fold1 0.716 有效 AP
  • 第一轮：使用 trainset + 隐藏测试集（集成输出）高效 Det-d6 训练 10 个 epoch，从基础检查点加载权重
    结果：[旧测试集] 0.7719 公共 LB/0.7175 私有 LB 和 [新测试集] 0.7633 公共 LB/0.6787 私有 LB
  • Round2: 继续使用 trainset + 隐藏测试集（伪标签轮次 1 的输出）训练 EfficientDet-d6 6 个 epoch，从伪标签轮次 1 的检查点加载权重
    结果：[旧测试集]0.7754 公共 LB/0.7205 私有 LB 和 [新测试集]0.7656 公共 LB/0.6897 私有 LB

源代码

github.com/321Leo123/g…

以上为方案思路，便于大家有一个整体的概念，现在我来讲讲源代码中一些比较重要的内容。

重点代码讲解

一、数据处理

该方案能拿到这么高的分数，其中最重要的原因之一就是在训练时对数据进行了非常细致的清洗,这也是这个方案的精妙之处。

1. ​过滤无效标注（isbox过滤）​
  • ​验证集处理：valid_df = valid_df.loc[valid_df['isbox']==True]
    这一操作过滤了验证集中 isbox 为 False 的样本，确保验证集仅包含有效标注的边界框数据。
valid_df = valid_df.loc[valid_df['isbox']==True].reset_index(drop=True)
warm_df = pd.concat([train_df, wheat2017_df, spike_df], ignore_index=True).sample(frac=1).reset_index(drop=True)
train_df = pd.concat([train_df, wheat2017_df], ignore_index=True).sample(frac=1).reset_index(drop=True)
2. ​数据合并与采样
  • ​组合外部数据：将 wheat2017_df 和 spike_df 合并到训练数据中，例如：
warm_df = pd.concat([train_df, wheat2017_df, spike_df], ignore_index=True)
train_df = pd.concat([train_df, wheat2017_df], ignore_index=True)
  • ​随机打乱：通过 sample(frac=1).reset_index(drop=True) 对合并后的数据进行随机打乱，避免顺序偏差。
3. ​潜在的隐含清洗

  • ​数据集类（WheatDataset）​：

    • 跳过无效图像路径或损坏的图像文件。
    • 过滤空标签（无边界框的样本），尤其是在训练模式（mode='train'）下。

通过以上这些步骤可以增加数据集的可用性，去除大量的伪标签。

二、模型融合

这个方案是20年的，所使用的模型也比较老了。原方案所使用的模型是faster_rcnn融合后的模型，对于25年的读者来说，将方案多次融合的模型换成简单的viT就可以得到相近的效果。

三、提分思路

对于这么一个高分的方案，我们想要再进行提分肯定是不容易的。读者可以将模型加入近期大火的MOE模型。我简单的跑了一下代码，在不做过多调参的情况下可以达到接近原方案的分数，相信根据新模型调整后能得到更好的表现，读者根据此思路也可自行进行尝试。

avatar
文章
阅读
粉丝