ICCV 2021 LargeFineFoodAI 分类赛道方案总结

ICCV 2021 Workshop LargeFineFoodAI Large-Scale Fine-Grained Food Analysis

2021年6月份美团主办的大规模细粒度的比赛，比赛共有两个赛道，分别是分类和检索，比赛在kaggle上举办的，比赛主页：

LargeFineFoodAI
分类赛道
检索赛道

比赛每个赛道分别产生了前三名的方案介绍，在官网主页也有，但是是视频形式的，现在根据他们的方案改成文字形式的。

分类赛道

第一名

1. Pipeline

2. 网络结构

3. 融合结果

第二名

1. 强关联的类别 在类别内部进行数据增强
   
2. 数据增强
   IAAPiecewiseAffine
   CutMix
   HueSaturationValue
   
3. 模型选择
   
4. 数据标签的骚操作
   

---

第三名

1. 训练的配置和数据增强
   

2. 损失函数
   

3. 分辨率Resize实验
   

4. 自蒸馏
   

5. 模型融合
   

6. 不同的融合策略
   不同的数据的融合，相同的模型的融合
   不同的融合方法（Vote, Stacking, Logits Sum），
   不同的训练策略模型的融合
   最终进行大融合
   

模型融合的过程

这个展示了模型融合的尝试过程，模型融合的好坏能够有1-2%的提升，而这点提升对于这种分类竞赛，尤其是在千分位上的差距的比赛，是至关重要的。