Kaggle Google 通用图像嵌入竞赛第 5 名方案
计算机视觉与模式识别
2022-10-19 v1
摘要
在本文中，我们介绍了我们的方案，该方案在 2022 年 Kaggle Google 通用图像嵌入竞赛中获得第 5 名。我们使用 openclip 仓库中 CLIP 的 ViT-H 视觉编码器作为骨干网络，并采用 ArcFace 训练由 BatchNormalization 和 Linear 层组成的头部模型。所使用的数据集为 products10K、GLDv2、GPR1200 和 Food101 的子集。对部分图像应用 TTA 也提升了分数。通过该方法，我们在公开排行榜上取得 0.684 的分数，在私有排行榜上取得 0.688 的分数。我们的代码已公开：https://github.com/riron1206/kaggle-Google-Universal-Image-Embedding-Competition-5th-Place-Solution
引用
@article{arxiv.2210.09495,
title = {5th Place Solution to Kaggle Google Universal Image Embedding Competition},
author = {Noriaki Ota and Shingo Yokoi and Shinsuke Yamaoka},
journal= {arXiv preprint arXiv:2210.09495},
year = {2022}
}
备注
3 pages, 1 figures