2021IEEE grss 数据融合竞赛总结

耗时两个月，第一次参加比赛，对此比赛内容进行总结。

参加题目是赛道一:    有人无电地区的检测（DSE）

数据集：

         哨兵一号，哨兵二号，VIIRS夜间数据集，landsat8数据集

采用了分类与分割两种方法进行试验

        分类：Rsenet家族模型， Senet家族模型

        分割：Unet

 

比赛过程总结：

       第一：数据分析

                  对于比赛提供的遥感数据，每个图片都是多个通道组成的，你需要分析与了解，哪些通道是你所需要的，拿些是干扰项，

             这些是一个比赛的基础准备工作，做好这个相当的重要。

       第二：根据比赛要求与数据分析的结果选择模型

                （需要在网上有一定时间的查找分析工作或者通过自己的经验），每个模型都要仔细分析一下过程与结果，不然会因为操作

             不当展示出的错误结果略过相当有用的模型。经过一段时间的摸索与模型的测试选择自己所需要的基准模型。（基准不一定指某

             一个模型，可以多个模型，因为在之后的不同模型结果融合阶段可能有很好的效果）

       第三：数据集制作

                  （1）根据比例分出训练集与验证集（我是10：1，最终测试的时候记得两者合在一起进行训练哦）

                  （2）保证训练集当中的顺序是无序的，不然会导致模型泛化能力稍差 

                  （3）数据增强：最一般的是旋转、翻转，根据自己任务，也可采用裁剪，亮度饱和度改变，像素值截断 等方式

                  （4）自己制作数据集的时候记得进行归一化哦   

       第四：模型调参

                  （1）在保证能够运行的前提下，确定数据与label对应

                  （2）batch_size,正则化、权重衰减、学习率、学习率衰减、评估指标（F1，精度，召回率）都要注意哦

                  （3）预训练模型也可看看效果的变化

                  （4）优化器

                  （5）损失函数

        第五：增点技巧

                   （1）模型融合

                   （2）测试集增强，将结果平均

                   （3）仔细分析每次的结果与评估指标的分数，与自己的预测图像进行对照分析