01_训练技巧简单汇总

https://mp.weixin.qq.com/s?__biz=MzU4OTg3Nzc3MA==&mid=2247484512&idx=1&sn=18b750a9bed69c26d01f87cac3c764fe&chksm=fdc78305cab00a13ffbe6237d1dd448d3d7281555167e3c392287c7e50284743b38b4bace380&mpshare=1&scene=1&srcid=12050AVbEFUOrhfWzx9AuPm6&sharer_sharetime=1608772490099&sharer_shareid=0d2adb1502a6862a8be95572d8c4a375&key=8171d341e43222d4ea0355aceb146fd0a8a7def7d4fa47c938abff1acc783ad7548eaa63b6c52cc94f7de73c9369603d12ac927e2f59e6d6eb0da77126013ca6fdf4ceebd94a2eb0e506ac8982bd4916120e3b4944f1fcb4d4a955c562ce1e64753a9dae6ba342e637524b553d64a0af507491cc27cb6066adc77500a9e470f6&ascene=1&uin=ODQwODM2Mzgx&devicetype=Windows+Server+2012+R2+x64&version=6300002f&lang=zh_CN&exportkey=AZNu%2FfrpOYSGMMfvvscs%2FXA%3D&pass_ticket=ebCYqbB83aXSpNeDL11%2BOhKDsLFP0qludQXmloK7EanIBOqsrqOtvXAr1pHKXLiv&wx_header=0

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。

模型

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