本方案使用TNT模型进行训练与预测,在有限训练次数下,取得了较稳定的成绩:0.99515
采取的训练图像预处理方案:
- 随机垂直翻转
- 随机角度翻转--0~20度
- 缩放大小--(520,520)
- 归一化--mean:[0.2, 0.3, 0.5], std:[0., 0., 0.]
采取的验证与预测图像预处理方案:
- 缩放大小--(520,520)
- 归一化--mean:[0.2, 0.3, 0.5], std:[0., 0., 0.]
数据集划分比例: 0.8
TNT模型比较:
- 微调参数: tnt_s_patch16_224 得分 > tnt_b_patch16_224 得分
后期优化方向:
- 更合适的处理方式
- patch大小与数量
- 图片输入大小等
- PaddlePaddle 2.0.2
- opencv > 3.2
运行流程在方案.ipynb文件中,TNT.py为模型源代码。 数据集等在AI Studio平台上,可前往查询数据集下载进行合并(或参考AI Studio项目: 飞桨常规赛:PALM病理性近视预测 5月第10名方案 )。