雲コンペdiscussionまとめ

雲コンペのdiscussionを少しまとめた。

だいぶ適当

更新予定

Creating Masks With Magic!!

clssifierとラベルのみでマスク画像を生成できる
kenelはhttps://www.kaggle.com/c/understanding_cloud_organization/discussion/116058#latest-667901
test画像で予測していないのでスコアはないが、0.62ほどと予想されている。

すごいけど、スコアはまだまだ。どうやって活用できるか。

今回のマスク画像より正確かもしれないと言われているとおり、スコアを上げるという意味では関係ない

Hints from a late joiner's persepctive

3日間で0.661行った人。

後処理なしsegのみで0.66いくらしい

Train with crops, Predict with full images

鉄コンペから学んだトリック。
Qubvel's GitHub segmentation modelsだとmodelのinput_shapeを(None, None,3)のように設定することで、小さいサイズで学習させたあとに大きいサイズで学習、推論できる。
kernelはhttps://www.kaggle.com/cdeotte/train-with-crops-lb-0-63
だけどscoreは0.628
等倍でcropすることでサイズを小さくaugumentationできる。

等倍ならば訓練も推論も任意のサイズでいい

オリジナル画像をそのままcrop(252,512とか)して最後にオリジナル画像を推論

Some thoughts on this competition

kernelでbestvoteの人

BCEDiceLossを使っている。BCEJaccardLoss、BCE、Diceはうまく働かなかった。
バックボーンはresnet152とse_resnext50_32x4d
augumentationいろいろ試しているが、過学習したりモデルを悪化がするものもある。
Catalystは有用
clsあり
AdamよりRAdamのほうがいい
kernelはhttps://www.kaggle.com/artgor/segmentation-in-pytorch-using-convenient-tools

kernelではadam使ってる。augumentationは水平反転のみ

A trick to use bigger batches for training: gradient accumulation

上と同じ人

Information: Bad image list

悪い画像
train画像は046586a, 1588d4c, 1e40a05, 41f92e5, 449b792, 563fc48, 8bd81ce, b092cc1, c0306e5, c26c635, e04fea3, e5f2f24, eda52f2, fa645da、これらは削除すべき
他には抜くかどうか微妙な画像d821c94,24884e7,d744e88,d9989e9
test画像では18c7c27, 3cb4ce5, 25c5403, 43d43a8, bf4ddbb, 4375f9e, 638185f、こいつらにできることは何もない

Augmentations thred(多分threadの間違い)

この人が使っているaugumentationの羅列