本文介绍了在华录杯医学影像比赛中使用FastAI进行数据处理和训练模型的心得体会。通过调整图像尺寸、应用滑动窗口算法，以及使用Resnet为基础的unet模型进行图像分割。在模型调优过程中，尝试了多种方法解决梯度消失和过拟合问题，但效果有限。最终，模型达到76%的综合准确率，对于图像分割和图像分类的混合评分，未能满足复赛要求。作者反思了图像压缩、切割大小、特征数量与数据量比例等问题，并提出使用opencv多边形算法可能提高分数，但并未从根本上改进算法效果。
数据处理
首先到手的数据是这个样子的：
从图片就可以看出来，大的大小的小，明显是不符合直接训练的要求的。
多次实验之后目前的数据处理思路：
- 获取最大的长宽，这个用numpy很好做到
- padding到大于且接近最大尺寸且为2倍数的尺寸，windows自带的有程序猿计算器可以很方便的用2进制数找到一个十进制数
- 选择一个合适的尺寸
失败尺寸192*144，用滑动窗口算法切割若干小图片，呼应2中的倍数要求 - 切割之后的数据作为原始数据
训练算法
算法这一块就只是默认的套壳unet，内部为Resnet。
模型调优
主要任务是图像分割，由于模型反复出现了梯度消失和过拟合问题，采用了很多方法收效甚微：
- 由于unet没有ps这个参数，so dropout改不了
- cut 没什么用，主要是用于梯度爆炸，没有碰到过爆炸的情况
- resnet19/34/50，12G显存对应的batchsize56/56/4，50基本不考虑使用一个epoch十几个小时非常难受。
- 早停，用处不大
- 减小验证集，有一定用处
- 注意力机制引入，用处不大
成绩与思考
单打独斗，且也没有什么好设备用。综合准确率只达到了76%&
最低0.47元/天 解锁文章
9497
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
