从39个kaggle竞赛中总结出来的图像分割的Tips和Tricks(附资源)

共 5612字,需浏览 12分钟

 ·

2021-11-24 03:44

来源:AI公园

本文约2700字,建议阅读10分钟

本文与你分享参加了39个Kaggle比赛的技巧和经验。




想象一下,如果你能得到所有的tips和tricks,你需要去参加一个Kaggle比赛。我已经超过39个Kaggle比赛,包括:

  • Data Science Bowl 2017 – $1,000,000
  • Intel & MobileODT Cervical Cancer Screening – $100,000
  • 2018 Data Science Bowl – $100,000
  • Airbus Ship Detection Challenge – $60,000
  • Planet: Understanding the Amazon from Space – $60,000
  • APTOS 2019 Blindness Detection – $50,000
  • Human Protein Atlas Image Classification – $37,000
  • SIIM-ACR Pneumothorax Segmentation – $30,000
  • Inclusive Images Challenge – $25,000

现在把这些知识都挖出来给你们!


外部数据


  • 使用 LUng Node Analysis Grand Challenge 数据,因为这个数据集包含了来自放射学的标注细节;
  • 使用 LIDC-IDRI 数据,因为它具有找到了肿瘤的所有放射学的描述;
  • 使用Flickr CC,维基百科通用数据集;
  • 使用Human Protein Atlas Dataset;
  • 使用IDRiD数据集。


数据探索和直觉


  • 使用0.5的阈值对3D分割进行聚类;
  • 确认在训练集和测试集的标签分布上有没有不一样的地方。


预处理


  • 使用DoG(Difference of Gaussian)方法进行blob检测,使用skimage中的方法;
  • 使用基于patch的输入进行训练,为了减少训练时间;
  • 使用cudf加载数据,不要用Pandas,因为读数据更快;
  • 确保所有的图像具有相同的方向;
  • 在进行直方图均衡化的时候,使用对比度限制;
  • 使用OpenCV进行通用的图像预处理;
  • 使用自动化主动学习,添加手工标注;
  • 将所有的图像缩放成相同的分辨率,可以使用相同的模型来扫描不同的厚度;
  • 将扫描图像归一化为3D的numpy数组;
  • 对单张图像使用暗通道先验方法进行图像去雾;
  • 将所有图像转化成Hounsfield单位(放射学中的概念);
  • 使用RGBY的匹配系数来找到冗余的图像;
  • 开发一个采样器,让标签更加的均衡;
  • 对测试图像打伪标签来提升分数;
  • 将图像/Mask降采样到320x480;
  • 直方图均衡化(CLAHE)的时候使用kernel size为32×32;
  • 将DCM转化为PNG;
  • 当有冗余图像的时候,为每个图像计算md5 hash值。


数据增强


  • 使用 albumentations 进行数据增强;
  • 使用随机90度旋转;
  • 使用水平翻转,上下翻转;
  • 可以尝试较大的几何变换:弹性变换,仿射变换,样条仿射变换,枕形畸变;
  • 使用随机HSV;
  • 使用loss-less增强来进行泛化,防止有用的图像信息出现大的loss;
  • 应用channel shuffling;
  • 基于类别的频率进行数据增强;
  • 使用高斯噪声;
  • 对3D图像使用lossless重排来进行数据增强;
  • 0到45度随机旋转;
  • 从0.8到1.2随机缩放;
  • 亮度变换;
  • 随机变化hue和饱和度;
  • 使用D4:https://en.wikipedia.org/wiki/Dihedral_group增强;
  • 在进行直方图均衡化的时候使用对比度限制;
  • 使用AutoAugment:https://arxiv.org/pdf/1805.09501.pdf增强策略。


型结构


  • 使用U-net作为基础结构,并调整以适应3D的输入;
  • 使用自动化主动学习并添加人工标注;
  • 使用inception-ResNet v2 architecture结构使用不同的感受野训练特征;
  • 使用Siamese networks进行对抗训练;
  • 使用ResNet50, Xception, Inception ResNet v2 x 5,最后一层用全连接;
  • 使用global max-pooling layer,无论什么输入尺寸,返回固定长度的输出;
  • 使用stacked dilated convolutions;
  • VoxelNet;
  • 在LinkNet的跳跃连接中将相加替换为拼接和conv1x1;
  • Generalized mean pooling;
  • 使用224x224x3的输入,用Keras NASNetLarge从头训练模型;
  • 使用3D卷积网络;
  • 使用ResNet152作为预训练的特征提取器;
  • 将ResNet的最后的全连接层替换为3个使用dropout的全连接层;
  • 在decoder中使用转置卷积;
  • 使用VGG作为基础结构;
  • 使用C3D网络,使用adjusted receptive fields,在网络的最后使用64 unit bottleneck layer ;
  • 使用带预训练权重的UNet类型的结构在8bit RGB输入图像上提升收敛性和二元分割的性能;
  • 使用LinkNet,因为又快又省内存;
  • MASKRCNN;
  • BN-Inception;
  • Fast Point R-CNN;
  • Seresnext;
  • UNet and Deeplabv3;
  • Faster RCNN;
  • SENet154;
  • ResNet152;
  • NASNet-A-Large;
  • EfficientNetB4;
  • ResNet101;
  • GAPNet;
  • PNASNet-5-Large;
  • Densenet121;
  • AC-GAN;
  • XceptionNet (96), XceptionNet (299), Inception v3 (139), InceptionResNet v2 (299), DenseNet121 (224);
  • AlbuNet (resnet34) from ternausnets;
  • SpaceNet;
  • Resnet50 from selim_sef SpaceNet 4;
  • SCSEUnet (seresnext50) from selim_sef SpaceNet 4;
  • A custom Unet and Linknet architecture;
  • FPNetResNet50 (5 folds);
  • FPNetResNet101 (5 folds);
  • FPNetResNet101 (7 folds with different seeds);
  • PANetDilatedResNet34 (4 folds);
  • PANetResNet50 (4 folds);
  • EMANetResNet101 (2 folds);
  • RetinaNet;
  • Deformable R-FCN;
  • Deformable Relation Networks;


硬件设置


  • Use of the AWS GPU instance p2.xlarge with a NVIDIA K80 GPU;
  • Pascal Titan-X GPU;
  • Use of 8 TITAN X GPUs;
  • 6 GPUs: 21080Ti + 41080;
  • Server with 8×NVIDIA Tesla P40, 256 GB RAM and 28 CPU cores;
  • Intel Core i7 5930k, 2×1080, 64 GB of RAM, 2x512GB SSD, 3TB HDD;
  • GCP 1x P100, 8x CPU, 15 GB RAM, SSD or 2x P100, 16x CPU, 30 GB RAM;
  • NVIDIA Tesla P100 GPU with 16GB of RAM;
  • Intel Core i7 5930k, 2×1080, 64 GB of RAM, 2x512GB SSD, 3TB HDD;
  • 980Ti GPU, 2600k CPU, and 14GB RAM。


损失函数


  • Dice Coefficient ,因为在不均衡数据上工作很好;
  • Weighted boundary loss 目的是减少预测的分割和ground truth之间的距离;
  • MultiLabelSoftMarginLoss 使用one-versus-all损失优化多标签;
  • Balanced cross entropy (BCE) with logit loss 通过系数来分配正负样本的权重;
  • Lovasz 基于sub-modular损失的convex Lovasz扩展来直接优化平均IoU损失;
  • FocalLoss + Lovasz 将Focal loss和Lovasz losses相加得到;
  • Arc margin loss 通过添加margin来最大化人脸类别的可分性;
  • Npairs loss 计算y_true 和 y_pred之间的npairs损失;
  • 将BCE和Dice loss组合起来;
  • LSEP – 一种成对的排序损失,处处平滑因此容易优化;
  • Center loss 同时学习每个类别的特征中心,并对距离特征中心距离太远的样本进行惩罚;
  • Ring Loss 对标准的损失函数进行了增强,如Softmax;
  • Hard triplet loss 训练网络进行特征嵌入,最大化不同类别之间的特征的距离;
  • 1 + BCE – Dice 包含了BCE和DICE损失再加1;
  • Binary cross-entropy –  log(dice) 二元交叉熵减去dice loss的log;
  • BCE, dice和focal 损失的组合;
  • BCE + DICE - Dice损失通过计算平滑的dice系数得到;
  • Focal loss with Gamma 2 标准交叉熵损失的升级;
  • BCE + DICE + Focal – 3种损失相加;
  • Active Contour Loss 加入了面积和尺寸信息,并集成到深度学习模型中;
  • 1024 * BCE(results, masks) + BCE(cls, cls_target);
  • Focal + kappa – Kappa是一种用于多类别分类的损失,这里和Focal loss相加;
  • ArcFaceLoss —  用于人脸识别的Additive Angular Margin Loss;
  • soft Dice trained on positives only – 使用预测概率的Soft Dice;
  • 2.7 * BCE(pred_mask, gt_mask) + 0.9 * DICE(pred_mask, gt_mask) + 0.1 * BCE(pred_empty, gt_empty) 一种自定义损失;
  • nn.SmoothL1Loss();
  • 使用Mean Squared Error objective function,在某些场景下比二元交叉熵损失好。


训练技巧


  • 尝试不同的学习率;
  • 尝试不同的batch size;
  • 使用SGD + 动量并手工设计学习率策略;
  • 太多的增强会降低准确率;
  • 在图像上进行裁剪做训练,全尺寸图像做预测;
  • 使用Keras的ReduceLROnPlateau()作为学习率策略;
  • 不使用数据增强训练到平台期,然后对一些epochs使用软硬增强;
  • 冻结除了最后一层外的所有层,使用1000张图像进行微调,作为第一步;
  • 使用分类别采样;
  • 在调试最后一层的时候使用dropout和增强;
  • 使用伪标签来提高分数;
  • 使用Adam在plateau的时候衰减学习率;
  • 用SGD使用Cyclic学习率策略;
  • 如果验证损失持续2个epochs没有降低,将学习率进行衰减;
  • 将10个batches里的最差的batch进行重复训练;
  • 使用默认的UNET进行训练;
  • 对patch进行重叠,这样边缘像素被覆盖两次;
  • 超参数调试:训练时候的学习率,非极大值抑制以及推理时候的分数阈值;
  • 将低置信度得分的包围框去掉;
  • 训练不同的卷积网络进行模型集成;
  • 在F1score开始下降的时候就停止训练;
  • 使用不同的学习率;
  • 使用层叠的方法用5 folds的方法训练ANN,重复30次。


评估和验证


  • 按类别非均匀的划分训练和测试集;
  • 当调试最后一层的时候,使用交叉验证来避免过拟合;
  • 使用10折交叉验证集成来进行分类;
  • 检测的时候使用5-10折交叉验证来集成。


集成方法


  • 使用简单的投票方法进行集成;
  • 对于类别很多的模型使用LightGBM,使用原始特征;
  • 对2层模型使用CatBoost;
  • 使用 ‘curriculum learning’ 来加速模型训练,这种训练模式下,模型先在简单样本上训练,再在困难样本上训练;
  • 使用ResNet50, InceptionV3, and InceptionResNetV2进行集成;
  • 对物体检测使用集成;
  • 对Mask RCNN, YOLOv3, 和Faster RCNN 进行集成。


后处理


  • 使用test time augmentation ,对一张图像进行随机变换多次测试后对结果进行平均;
  • 对测试的预测概率进行均衡化,而不是使用预测的类别;
  • 对预测结果进行几何平均;
  • 在推理的时候分块重叠,因为UNet对边缘区域的预测不是很好;
  • 进行非极大值抑制和包围框的收缩;
  • 在实例分割中使用分水岭算法后处理来分离物体。

英文原文:https://neptune.ai/blog/image-segmentation-tips-and-tricks-from-kaggle-competitions

编辑:黄继彦
校对:林亦霖
浏览 40
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报