- 代码还在不断调试中,在比赛截止后我会再提交一份详细的最终版本WriteUp在本账号,欢迎关注后续 ~
致谢:
非常感谢以下baseline code的分享,对我受益匪浅:
https://www.kaggle.com/code/chg0901/0-98-deepfake-ffdi-ways-to-defeat-0-86-beseline
https://www.kaggle.com/code/finlay/deepfake-ffdi-ch3
https://www.kaggle.com/code/finlay/deepfake-ffdi-baseline
https://www.kaggle.com/code/chg0901/deepfake-ffdi-ch3-modified-by-hong
问题与解决方案(思路):
baseline中最后轮validation与排行榜acc不一致的问题:
通过代码阅读,感觉是没问题的。等后续训练再说。
手搓数据集提取函数调试 [Resnet18 使用前10000数据进行两轮train和valid,验证效果和baseline是否相似]
- Trail0: raw baseline
- Trail1: DIY dataset function [Adapted]
数据增强调试 [EfficientNet 使用前10000数据进行五轮train和valid]
- Trail2: baseline
- Trail3: no augmentation but increase the number of label0 [Adapted]
- Trail4: CJ(0.5, 0.5) label0
transforms.ColorJitter(brightness=0.5, contrast=0.5)
- Trail5: RR(10) label0
transforms.RandomRotation(10)
- Trail6: RAN(0.1, 0.5) label0
RandomAddNoise()
- Trail7: RAN(0.1, 0.5) label0 + label1
RandomAddNoise()
- Trail8: RAN(0.3, 0.5) label0
RandomAddNoise()
- Trail9: RAN(0.05, 0.5) label0
RandomAddNoise()
- Trail10: RAN(0.01, 0.5) label0
RandomAddNoise()
- Trail10: RAN(0.005, 0.5) label0
RandomAddNoise()
如果您觉得有意思,可否点赞收藏关注一下本蒟蒻!谢谢!