分子翻译-将化学图像转换为文本

1. 比赛概览分析

比赛地址
数据集下载 提取码：15nr

1.1 标签格式介绍

上面的字符串是 系统给的标签，需要进行分词进行打标签，即形成字典的形式，每个原子以及数量形成dict

挑战1：特征图太小，会损失很多细节信息，如右下角图像；如果太大，则会占用很大的硬件资源

挑战2：多大的输入尺寸是最好的

尺寸分布如下图

训练集包含的分子如下图所示

数据集中加入了噪声和高斯噪声，如小黑点，断断续续的线，高斯模糊(可使用简单的方式将图像变得清晰)

1.2 评价指标

编辑距离：将字符串转化为目标字符串使用的步数

1.3 训练

2080ti训练一个epoch需要12个小时，需要训练5天左右；1080ti的时长需要乘1.5

2. Baseline

特征提取网络越强，越利于lstm的训练，好的特征提取网络比如efficientNet
图中使用的是resnet26d

data$ tree . -L 2
.
├── bms-molecular-translation
│   ├── df_test.csv
│   ├── df_train.csv
│   ├── sample_submission.csv
│   ├── test
│   ├── train
│   └── train_labels.csv
├── df_test.pkl
├── df_train0.pkl
├── df_valid0.pkl
├── test_orientation.csv
└── tokenizer.stoi.pickle