💻🔥 Задача:
Re-identification (ReID) амурских тигров.🐯😵💫
Нужно провести идентификацию тигров из различных наборов изображений, снятых в разных условиях, а в качестве предсказания организаторы просили таблицу, где первый столбец – имя изображения, а второй – рекомендации (отсортированный массив имён файлов по степени сходства). Метрика оценки – Weighted CMC @1-5.
💡 Наше решение:
— Использована модель ViT L14 DINO – современная архитектура Vision Transformer, дообученная с использованием методологии DINO, что позволяет эффективно извлекать представления (embeddings) из изображений.
— В качестве loss-функции выбрали ArcFace Loss – она отлично помогает разделять классы в embedding-пространстве. Экспериментировали и с другими вариантами, такими как Triplet, Focal и Circle Loss, но ArcFace показал себя лучше всех!
🔍 Сложности:
— Реидентификация изображений из разных серий требовала от модели некой адаптации для правильного сопоставления – это был настоящий вызов!
— Интеграция с сервером организаторов и весьма ограниченные вычислительные мощности, доставили неприятности – пришлось проявить находчивость.
— Времени на детальную настройку (fine-tuning) и blending не хватило, но базовое решение уже доказало свою эффективность.
🔥 Ключевые инсайты:
— Правильный выбор архитектуры (ViT L14 DINO) и loss-функции (ArcFace Loss) являются критичными для задач ReID.
— Оптимизация вычислительных ресурсов и организация серверного взаимодействия – важные аспекты при реализации сложных задач.
— Даже базовые решения, если подойти к делу грамотно, могут принести отличный результат, способный вывести в призёры!
🏆 Итог:
Грамотное сочетание современных архитектур и loss-функций способно решать сложнейшие задачи ReID, несмотря на вычислительные ограничения!
📂 Код и детали: GitHub
🚀#Rascar #НТО #DataScience
P.S.
Это уже моя третья выигранная олимпиада с уровнем РСОШ (с) Артем
