yphacker大佬聊赛事：要想做好【肺炎X光病灶识别】，可以从这 3 点入手

AI研习社 AI开发者 昨天
 点击上方“蓝字”关注“AI开发者”



坐镇大佬


 BOSS


yphacker（AI 研习社 ID：yphacker），深度学习的爱好者。


“肺炎X光病灶识别（第二期）”赛事链接：https://god.yanxishe.com/23

（点击底部 阅读原文 即可了解更多赛事详情）


AI 研习社：请问大佬是哪里人？家乡的疫情还算严重吗？
yphacker：湖北；还是很严重的，湖北省各地区基本都封市了。

AI 研习社：大佬多保重！在你看来，面对这次疫情，开发者群体可以有哪些作为？
yphacker：首先是待在家，哪也不去；其次，如果精力充足的话，可以积极参加到开源项目（https://github.com/wuhan2020/wuhan2020）里面为社会做点贡献。Wuhan2020项目介绍请戳此查看：如何加入到 wuhan2020 开源项目，打赢这场没有硝烟的战争？

AI 研习社：你本人对 AI 医疗这块了解得多吗？如何看待 AI 在这个领域的作用？
yphacker：有了解过  AI  医学问答，能够提高诊断能力、帮助快速决策等。

AI 研习社：全国上下都在密切关注本次疫情，所以稍微偏了下题。重新回到“肺炎疫情攻防战--肺炎 X 光病灶识别”赛事来，能不能请你解读一下前一次赛事的冠军代码（链接：https://www.yanxishe.com/codeplan/detail/32）对小白用户的借鉴意义？
yphacker：我个人总结出以下 3 点：
  1. 数据处理：将样本数量较少的样本 3、4 当做  2  来处理
  2. 模型选择：由于  bbox  标记较粗糙，采用分类模型
  3. 模型融合：采用 5 折模型自融合，以及一些不同模型之间的融合

AI 研习社：稍微追问一下，这个数据处理方式背后的原理是什么？是否与本次赛题数据集的特征有关？
yphacker：因为数据集中存在样本不均衡的问题。将类别为 3 和 4 的样本当做 2 来处理，由于样本类别减少，模型处理时间也会相应减少，精度有可能会下降（这主要取决于测试集）。

AI 研习社：在原来冠军代码基础上，你认为还有哪些解题思路可以继续优化？
yphacker：可以从如下 3 个方面入手：
  1. 尝试更多不同的模型
  2. 尝试不同的处理样本不均衡问题的方法
  3. 尝试利用  bbox  部分信息

AI 研习社：我帮小白用户问一句，前期需要培养哪些基本功，才能够具备像你本人一样的赛题拆解能力？
yphacker：在我看来至少有 3 点：
  1. 了解至少一种深度学习框架
  2. 了解 nlp or cv 的基本模型
  3. 了解一些优化方法

AI 研习社：在你心目中，什么才是“打比赛的正确姿势”？
yphacker：赛中多尝试一些方法，赛后多看大佬代码总结；认识更多志同道合的人。
/ 扫码了解比赛更多内容 /










 点击 阅读原文，进入肺炎疫情攻防战--肺炎X光病灶识别比赛（第二期）