Upgrade to Pro — share decks privately, control downloads, hide ads and more …

APTOS 2019 Blindness Detectionのまとめ

Inoichan
September 11, 2019

APTOS 2019 Blindness Detectionのまとめ

APTOS 2019 Blindness Detectionで銀メダル獲得できたのでまとめました.
簡単にコンペ概要と手法の紹介をしています.
少しでもお役に立ちましたら幸いです.
コンペのページ : https://www.kaggle.com/c/aptos2019-blindness-detection

Inoichan

September 11, 2019
Tweet

More Decks by Inoichan

Other Decks in Programming

Transcript

  1. APTOS 2019
    Blindness Detection
    Inoue Yuichi
    (@inoichan)

    View full-size slide

  2. コンペ概要
    ● 糖尿病網膜症(Diabetic Retinopathy)の重症度を画像から判断する .
    0 - No DR
    1 - Mild
    2 - Moderate
    3 - Severe
    4 - Proliferative DR
    ● 開催期間 2019年6月27日〜2019年9月5日 (都合により9月7日まで期間延長)
    ● Kernel only competition (推論のみ, GPU 9 hours, No Internet)
    ● 外部データの利用あり
    https://www.medicalnewstoday.com/articles/183417.php

    View full-size slide

  3. コンペ概要
    ● Train Data (3662枚)
    ● Public Test Data (1928枚, 15%)
    ● Private Test Data (85%)
    上記に加えて, 2019年にも同大会が開催されており , そ
    の時のデータも利用できた .
    ● 評価:Quadratic Weighted Kappa
    (https://www.kaggle.com/c/aptos2019-blindness-detection/overview/evaluation)

    View full-size slide

  4. 解法 Github: https://github.com/Ino-Ichan/kaggle-aptos-2019
    2015 Train Images
    (Validation: 2019 Train Images)
    Augmentation
    ・Horizontal Flip
    ・Vertical Flip
    ・Rotate
    Preprocessing
    ・Resize 224
    ・Crop Blank Area
    ・Ben’s preprocess
    EfficientNetB2
    EfficientNetB5
    Regression Task
    >10 epochs
    monitor: val_loss
    After Pretrain
    5 Folds
    2019 Train Images
    Augmentation
    ・Horizontal Flip
    ・Vertical Flip
    ・Rotate
    Preprocessing
    ・Resize 224
    ・Crop Blank Area
    ・Ben’s preprocess
    EfficientNetB2
    EfficientNetB5
    Regression Task
    ~10 epochs
    monitor: val_loss
    Manually
    optimized
    threshold
    Public : 0.804
    Private : 0.924
    Pretrain
    Train

    View full-size slide

  5. Public Leaderboard (251th / 2987 teams) 銅メダル圏内
    結果
    Private Leaderboard (66th / 2987 teams) 銀メダル獲得!!!

    View full-size slide

  6. 感想
    ● EfficientNet最強 (EfficientNet: Improving Accuracy and Efficiency through AutoML and Model Scaling)
    ● Discussionは情報の宝庫
    ● 時間の都合で画像サイズは224で進めたが案外良いスコアが出た.
    ● Public Leaderboardは0.8超えてからは気にせず汎化させるのを意識した.
    (PublicでSingle foldよりCVした方がスコア下がることもあったが気にしなかった .)
    ● PublicでSingle foldも5 CVも同じScoreだったとしても, Privateでは5 CVの方が総じて
    よかった. ちゃんとCVすべき.
    ● EfficientNet以外のモデル(ResNeXt, DenseNet etc...)はうまくいかなかった.

    View full-size slide

  7. おまけ:1 week challengeしました. (2019/9/1~)
    1 week challengeをした動機は, KernelとDiscussion読めば良いスコア取れる
    って書いてあったから.
    Link to kernel : https://www.kaggle.com/drhabib/starter-kernel-for-0-79

    View full-size slide

  8. おまけ Expertになりました\( ˆˆ )/

    View full-size slide