VinBigData-yolo:Yolo解决方案的一部分

VinBigData胸部X射线异常检测 Yolo v5培训 阶段1。首先，我们使用WBF（加权框融合）从原始train.csv中生成“平均”框。 使用这些标签，我们可以训练默认分辨率为640像素的Yolo v5。 培训是使用5KFold完成的。 在推理过程中，除了原始图像外，我们还使用了水平翻转的图像，然后使用WBF组合了它们的预测（测试时间增强）。 褶皱的预测也可以使用WBF进行合并。 阶段2。在这一阶段，我们排除了“ R8”，“ R9”和“ R10”放射科医生的所有图像。 每个带有盒子的图像都使用3种不同的盒子进行了三倍处理（共有248张图像，三倍后变成248 * 3 = 744张图像）。 为了加快训练速度，仅使用了一部分空白图像（即6893张图像）。 学习率从默认的0.01降低到0.0005。 从上一阶段获得的重量开始，使用与第1阶段相同的5倍训练。 推论与阶段1相同。 Yolo