第一次打比赛还是很不容易，感谢队友@milleniums. 一起合作

主要提分点

1、Mixup 2、DCN与多尺度训练测试 3、global context ROI 4、旋转数据增强

A榜消融实验结果

Backbone	DCN	MS	Mixup	RandomRotate90	GC	mAP
ResNet50-FPN						baseline
ResNeXt101-FPN	✓	✓				baseline+3.35%
ResNeXt101-FPN	✓	✓	✓			baseline+4.25%
ResNeXt101-FPN	✓	✓			✓	baseline+4.36%
ResNeXt101-FPN	✓	✓		✓	✓	baseline+4.54%
ResNeXt101-FPN	✓	✓		✓	✓	baseline+4.69%

代码环境及依赖

参考requirement.txt

• 预训练模型下载
  • 下载mmdetection官方开源的htc的resnext 64x4d 预训练模型

依赖安装及编译

• 依赖安装编译

  1. 安装 pytorch conda install pytorch=1.1.0 torchvision=0.3.0 cudatoolkit=10.0 -c pytorch

  2. 安装其他依赖 pip install cython && pip --no-cache-dir install -r requirements.txt

  3. 编译cuda op等： python setup.py develop

模型训练及预测

• 训练

  x101_64x4d (htc pretrained):

  chmod +x tools/dist_train.sh

  ./tools/dist_train.sh configs/underwater/cas_x101/cascade_rcnn_x101_64x4d_fpn_1x.py 4

  (上面的4是gpu数量，请自行修改,另外根据config对应文件目录进行修改) 训练过程文件及最终权重文件均保存在config文件中指定的workdir目录中

• 预测

  x101_64x4d (htc pretrained):

  chmod +x tools/dist_test.sh

  ./tools/dist_test.sh configs/underwater/cas_x101/cascade_rcnn_x101_64x4d_fpn_1x.py workdirs/cas_x101_64x4d_fpn_htc_1x/latest.pth 4 --json_out results/cas_x101.json

1. 预测结果文件会保存在 /results 目录下

2. 转化mmd预测结果为提交csv格式文件：
   
   python tools/post_process/json2submit.py --test_json cas_x101.bbox.json --submit_file cas_x101.csv

   最终符合官方要求格式的提交文件cas_x101.csv 位于 submit目录下

Reference

Baseline @郑烨.