【热身赛一】baseline改进的思路

全球人工智能技术创新大赛【热身赛一】baseline改进的思路（只是思路，因为目前没时间搞，可能搞了也搞不出来~

1、首先是类别不均衡的问题（论文可以参考A systematic study of the class imbalance problem in convolutional neural networks）这个肯定是要首要解决的

即使Pytorch中已经有很多线上的数据增强方式，但是线上的增强方式会导致目标检测box的变化，而线下的方式可以直接修改box的坐标，从而达到更好的效果

目前的思路是这样：

因为一张图片中可能有多个瑕疵的部分，所以要找出真正包含类别不均衡问题瑕疵的图片的个数以及其图片，

比如json中错花的地方有327个，但是实际包含错花的图片个数只有31个，对这31个图片进行水平或者垂直翻转，能得到很多图片

再将图片的json文件写入，进行预处理既可以

2、YOLO V5的特征融合使用的是PANET，而谷歌的EfficientDet表示BiFPN是更好特征提取方案，这个如果能改的话应该更好

目前的话就这么多~