[harvest] Fasterrcnnをいよいよ本気でやる

[kminoda]

また前みたいに実験管理してやっていきません？

[kminoda]

https://www.kaggle.com/c/global-wheat-detection/discussion/159883 とりあえず今のモデルだとcutmixとかmosaicとかを入れてもスコアが上がっていないのがやばい気がするので、その辺を頑張りたい感じがある。

train-valid: arvalis_2をvalidにする（manhattan/exp_13で確かCV 0.70~71くらいのスコア）

いじって改善しそうなパラメタ、

• lr scheduler（warmup cosine annealingとか？）
• noiseとかblur系のaugmentationの追加 の他に何か案ありません？

[Toma0916]

そうしましょう

ちなみに今augument盛りだくさんで5foldでやってるけどスコアいい感じですよ cutmix系のやつはどれか一つ選んだ方が良さそう

[kminoda]

良いっすね

ちなみに今はあんま関係ないけど、k-foldにしてk個のモデルをnotebookでアンサンブルするとPLにかかる時間もk倍されてしまう（多分）ので、submitするのはk-foldとかじゃなくて全体で学習した1つのモデルの方が良い気がしている 今のところpseudo labelingはnotebookの制限時間ギリギリでやってる感じがあるので。

[kminoda]

実験名何でやってる？

[kminoda]

特にないなら実験名 harvest でいきましょう

[Toma0916]

submitするのはk-foldとかじゃなくて全体で学習した1つのモデルの方が良い気がしている

なるほど、余裕だと思ってたけどPLそんなにギリギリなのか multi roundにすると遅いのかな

harvest了解

[kminoda]

effdetだとepoch数20くらいが限界っぽい（なので2round 10epoch, 3round 8epoch, 4round 5epochあたりを試してる） なのでfasterrcnnの5foldだと各modelで大体5epoch程度つかえる計算になる

アレ意外と5foldでもいけるかも

[kminoda]

とりあえずsubmitするモデル以外はvalid=arvalis_2で統一して回していきたみ

[Toma0916]

一旦いまやってるやつ、今3fold目trainなのでおわったら 5fold + (postprocess optimize) + pseudo labelingで出しますわ

valid=arvalis_2

おけ