小林子

  • 45

    获得赞
  • 1

    发布的文章
  • 3

    答辩的项目

CT影像诊断新冠肺炎--答辩

Batch大小为500,循环次数为32次,损失函数优化完,最终完成评分为96.38。

CT影像诊断新冠肺炎
EfficientNet DenseNet ResNet
最后更新 2020/06/04 10:40 阅读 604

CT影像诊断新冠肺炎

最后更新 2020/06/04 10:40

阅读 604

EfficientNet DenseNet ResNet

主要思路三部分:观察数据、模型选择、数据增强

观察数据

  • 图片尺寸不一 
  • 数据量少

对应的数据增强:使用大一点的输入size,数据增强尽量多一点

设计的数据增强如下:

'train': torch_transforms.Compose([
                torch_transforms.Resize((size,size)),
                torch_transforms.RandomHorizontalFlip(),
                torch_transforms.RandomVerticalFlip(),
                torch_transforms.ToTensor(),
                torch_transforms.Normalize(mean, std),
                torch_transforms.RandomErasing()
            ]),

模型选择

由于使用了多模融合,所以这里我选择了常规的三个模型,每个模型在全连接会加入Dropout=0.2

self.model_names = ['resnet18','densenet121','efficientnet-b0']

选择小模型的原因是,输入图像size设置的比较大,小模型速度更快。

参数调整

主要的提分点

  • Baseline 单模resnet34  inputsize= 224 90.95 
  • 模型融合提升 93.63
  • 99%的数据用来训练 95.93
  • 图像分辨率增加到512 ,增加数据增强 96.38

赛题总结

    最近开始实习了,感觉这个赛题可以说十分友好了。个人对这个赛题的理解,这个赛题相比于其余赛题应该是最简单的一个了,图像数量少且目标单一,不需考虑多么复杂的技巧。

    分享以下别的提分技巧,最近看到的

  •  多阶段训练
  • 针对易混淆类别赋予不同的loss权重
  • 尝试使用auto_augment
  • 很多人都会采用 EfficientNet B3?(我看到的经验里面)
  • 将训练好的CNN特征使用SVD,后续使用SVM分类

Thanks...

本文为作者在FlyAI平台发布的原创内容,采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/n/134956
立即参加 CT影像诊断新冠肺炎
代码展示

EfficientNet DenseNet ResNet

选择查看文件
$vue{codeKeys}
  • $vue{ix}
赞赏贡献者还可以查看和下载优质代码内容哦!
赞赏 ¥25.00元
©以上内容仅用于在FlyAI平台交流学习,禁止转载、商用;违者将依法追究法律责任。
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除
感谢您的关注
该篇内容公开后我们将会给你推送公开通知
好的
发布成功!
您的公开申请已发送至后台审核,
通过后将公开展示本详情页!
知道了
向贡献者赞赏
¥25.00
微信支付
支付宝

请先绑定您的微信账号 点击立即绑定

立即支付
温馨提示:
支付成功后不支持申请退款,请理性消费;
支付成功将自动解锁当前页面代码内容,付款前请确认账号信息。
微信扫码支付
请前往Web网页进行支付

敬请谅解,如有疑问请联系FlyAI客服

知道了
举报
请选择举报理由
确定
提示
确定要删除?
取消删除