Kaggle新手银牌：Airbus Ship Detection 卫星图像分割检测

点击我爱计算机视觉标星，更快获取CVML新技术

---

关键词：20天、第一次打Kaggle的新手、银牌、全球第21名。

本文为原作者投稿，原载于知乎，感谢对“我爱计算机视觉”的支持。也欢迎其他愿意进行技术分享、扩大个人影响力的朋友投稿，谢谢！

0、前言

10月下旬到11月中旬大概二十天的时间，我除了写大论文开题报告外，一直都忙于Kaggle的一个遥感图像分割检测比赛 Airbus Ship Detection Challenge ，airbus也就是美国空中客车公司，悬赏金额6万美金。

比赛已经结束了，Rank 21/884，TOP2.4%，银牌，这是我第一次打kaggle图像类的比赛，二十天时间取得的成绩不算特别好，但我还是比较满意的，因为这个过程中学到了不少东西。趁这个机会做一下竞赛过程的梳理和分享，给大家提供一个竞赛的baseline，帮助新人快速上手，权当为自己攒人品。

这个比赛有几个问题，需要和大家说明一下：

（1）比赛期间发生了严重的数据泄露，LB上出现大量满分成绩，主办方不得不重新制作数据集，并重置了原有成绩。因此，所有人需要根据新的数据集重新训练重新测试重新提交结果，这件事情严重打击了大家的参赛热情，最终参赛人数仅有800+，隔壁另一个图像类的比赛还有两个月结束却已经有了900+的参赛人数，差距显著。

（2）比赛的public leadboard 和 private leadboard存在显著差异，说明测试数据集的分配存在很大的问题，这在discussion区已经有人提出了，说本地交叉验证集的结果比较靠谱；

相信kaggle官方会不断完善，解决这次比赛暴露出来的问题。但是对于参赛者，名次不是最重要的，学到东西最重要，kernel和discussion区分享的资料让人获益匪浅。相比于国内的大数据竞赛平台，Kaggle不仅是竞赛平台，也是学习和分享的平台，这一点差距还是挺大的。

1、比赛介绍

（0）背景介绍

航运流量增长迅速。更多的船只增加了海上违规行为的机会，这迫使许多组织对公海进行更密切的监视。在过去的10年里，人们做了大量的工作，从卫星图像中自动提取目标，取得了显著的效果，但在实际操作中存在许多不足。现在空中客车公司与kaggle共同举办比赛，寻求更好更快的船舶自动检测方案。

（1）比赛任务：从卫星图片中找到所有的船只

比赛的名字是船只检测，但实际上要做的不是目标检测，可能更接近实例分割，参赛者需要用mask掩码来表示检测到的目标，大概就是下面这种形式：

（2）数据的描述：

在本次竞赛中，需要在图像中定位船只，许多图像不包含船只，而也有部分图片包含多个船只；这个比赛的数据集非常大，光训练集就有28G，且由于Kaggle服务器在国外，所以数据集的下载很困难，我建议用迅雷或者kaggle api，也有人建议kaggle cli；

（3）评价标准：

这个比赛的评分依据主要是不同IOU阈值下的F2-Score。对于一张图片中的某个目标，如果预测值和真实值的IOU超过预设阈值，则认为该目标识别成功。换言之，取阈值为0.5时，如果预测对象与真实值对象的交集大于0.5，则视为识别成功。该赛题的识别阈值有10个:(0.5，0.55，0.6，0.65，0