kaggle蛋白质比赛分析

kaggle 蛋白质比赛分析

一、数据准备

蛋白质比赛采用了kaggle官网提供的数据集，以及额外的人类蛋白质图谱网站的数据集。

• 人类蛋白质图谱网站：https://www.proteinatlas.org/

二、数据增强

1. 数据增强目的：

• 增加训练的数据量，提高模型的泛化能力。即使拥有大量数据，也需要采用数据增强的方法来提高模型泛化能力。
• 增加噪声数据，提升模型的鲁棒性。

2. 数据增强方法

• 对图片进行比例缩放
• 对图片进行随机位置的截取
• 对图片进行随机水平和竖直翻转
• 对图片进行随机角度的旋转
• 对图片进行亮度、对比度和颜色随机变化
• …

3.自动数据增强方法
自动数据增强方法：Data AutoAugment。
来自谷歌研究人员在arXiv 上发表的论文，提出一种自动搜索合适数据增强策略的方法 ：《AutoAugment: Learning Augmentation Policies from Data》。

• 论文链接：https://arxiv.org/pdf/1805.09501.pdf。

该论文主要的观点是创建一个数据增强策略的搜索空间，直接在感兴趣的数据集上评估特定策略的质量。在AutoAugment的实现过程中，设计了一个搜索空间，该搜索空间中的一个策略包含了许多子策略，我们为每个小批量（mini-batch）中的每张图像随机选择一个子策略。每个子策略由两个操作组成，每个操作都是类似于平移、旋转或剪切的图像处理函数，以及应用这些函数的概率和幅度（magnitude）。

• 附中文论文博客：https://blog.csdn.net/pwtd_huran/article/details/80868435

三、损失函数

• 比赛损失函数采用gamma值为2的Focal Loss。

1.损失函数来源

该损失函数来自于论文：《Focal Loss for Dense Object Detection》。

• 论文链