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

本文主要是介绍从39个kaggle竞赛中总结出来的图像分割的Tips和Tricks（附资源），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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。

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。