2021全国数字生态创新大赛-智能算法赛

Repo

1、数据增强

  1. 将训练集划分80%为训练集,20%为测试集。
  2. RGB 三通道读入,采用 垂直和翻转 扩充训练集。

2、训练模型

  1. 模型:采用 UnetPlusPlus + EfficientNet-B6
  2. optimizer: torch.optim.AdamW(model.parameters(),lr=0.0005)
  3. loss: DiceLoss + SoftCrossEntropyLoss
1
2
3
DiceLoss_fn = DiceLoss(mode='multiclass')
SoftCrossEntropy_fn = SoftCrossEntropyLoss(smooth_factor=0.1)
loss_fn = L.JointLoss(first=DiceLoss_fn, second=SoftCrossEntropy_fn,first_weight=0.5, second_weight=0.5).to(DEVICE)

3、推理 TTA

TTA 单模 0.3821

1
tta_model = tta.SegmentationTTAWrapper(model, tta.aliases.d4_transform(), merge_mode='mean')