【Kaggle竞赛总结】ECCV2020全球小麦检测(Global Wheat Detection)竞赛总结

比赛概述

从小麦植物的室外图像中检测小麦头，包括来自全球的小麦数据集。使用全球数据，您将专注于估算小麦头数量和大小的通用解决方案。

比赛主页：https://www.kaggle.com/competitions/global-wheat-detection/overview

方案汇总

第一名方案

• 数据增强：Mosaic、RandomCrop、Horizo​​ntalFlip、VerticalFlip、ToGray、IAAAdditiveGaussianNoise、GaussNoise、MotionBlur、MedianBlur、Blur、CLAHE、Sharpen、Emboss、RandomBrightnessContrast、HueSaturationValue
• 使用两个外部数据集
• 清除小边界框（宽度或高度 < 10px）
• 模型选择：EfficientDet
• 伪标签
• 五折交叉验证
• wbf

开源代码：https://github.com/dungnb1333/global-wheat-dection-2020

第二名方案

• 方案介绍：https://www.kaggle.com/c/global-wheat-detection/discussion/175961

开源代码：https://github.com/liaopeiyuan/TransferDet

第五名方案

• 方案介绍：https://www.kaggle.com/c/global-wheat-detection/discussion/172458

第九名方案

• 方案介绍：https://www.kaggle.com/c/global-wheat-detection/discussion/172569

开源代码：https://github.com/amirassov/kaggle-global-wheat-detection

第三十名方案

• 方案介绍：https://www.kaggle.com/c/global-wheat-detection/discussion/172827

第三十四名方案

• 方案介绍：https://www.kaggle.com/c/global-wheat-detection/discussion/175979

开源代码：https://github.com/Kaushal28/Global-Wheat-Detection