【Challenge笔记】RSNA Intracranial Hemorrhage Detection

摘要

RSNA Intracranial Hemorrhage Detection，这个比赛输入目前相对其他CV赛题来讲较为少见，是一个纯分类问题。在目前的CV赛题/Paper主要攻克的方向是检测+分类。单纯的分类的问题较为少见。（当然这也只是我的一家只见），初步想到这里最开始学CV的时候的LetNet-5这个相对来讲比较简单的模型。

---

比赛信息

Challenge地址：https://www.kaggle.com/c/rsna-intracranial-hemorrhage-detection/overview

---

思路

思路一

---

总览

数据预处理

最先对数据的输入的部分进行预处理，以便于能更好的学习图像的特征。

1. 对图像进行融合也是目前相对比较常见的3-slices
2. 对每个slices的进行窗口的选择
3. 空间相邻的使用同一个窗口

方法

这里的采用了两个seq model融合进行的，结合两个模型的输出的Feature Map进行结合的到。感觉这里有点类似UNet里的skip-connection，不过在UNet中是在concat的argument是3,这里的是2。这里还是蛮像的。

Seq1

使用MLP+LSTM，输入为3slices

Seq2

使用1d CNN + LSTM

输入为：

• 来自多个2D CNN模型Logit（num_models * 6类输出）
• 来自序列模型1的Logit（6类输出）
• 元信息(位置)

总结

• 在多分类/多类识别的任务中可以结合不同的信息进行融合，例如feature集中在骨、脑
• Seq model在这里的的使用

---

思路二

这里采用的数据预处理在之前天池的前几名也有采用过同样的方法，就是使用剪裁去黑边(无用信息)，来帮助model学习到更好的feature。其余的部分倒是与思路一有几分想像，不过是第一部分用的是两个seq model。