【Grand Challenge】北京大学“智慧之眼”国际眼底图像智能识别竞赛（比赛进行中）

竞赛网址:https://odir2019.grand-challenge.org/

任务：

       这个竞赛的目的是开发自动眼病分类方法。左眼和右眼的彩色眼底图像作为输入（可以使用其他提供的信息，如患者的年龄、性别等），眼部疾病分类的目标是将患者分为八个类别，包括正常，糖尿病，青光眼，白内障，年龄相关性黄斑变性，高血压，近视和其他疾病/异常。

【1】初步实践：

由上述可知，该疾病有8个类别。该分类是属于图像分类的多标签分类问题。为此，决定采用模型的多输出来进行分类。这样的话，就有8个模型的输出。

首先采用了ShufflenetV2网络进行修改。

遇见的问题：test图像经过模型，每个输出结果都判为正常，明显存在问题。

思考问题：

（1）类别不平衡导致模型出错。

由于对于一张图像一个输出，存在可能几乎输出的结果都为正常的话，也能有很高的正确率，导致模型可能将直接输出都预测为正常。

1、首先，考虑到loss函数，是否可以使用focal loss在做目标检测的话，对于背景类太多的情况很有用，但是focal loss存在较难调整的问题。

2、可能由于每个类的疾病都比较少，所以可以把少的类训练的时候每一张图像多读几份，如果每类都少的话，正常样本少放些。

3、做数据均衡。

控制正常类和疾病类比率最多1：3和1：5。