近期，由Kaggle主办，Leica Microsystems和NVIDIA赞助的HPAIC（Human Protein Atlas Image Classification）竞赛正式结束。比赛为期三个月，共有来自全球的2236个队伍参加，极链AI研究院与工程院最终获得挑战赛金牌。
比赛介绍
蛋白质是人体细胞中的“行动者”，执行许多共同促进生命的功能。蛋白质的分类仅限于一种或几种细胞类型中的单一模式，但是为了完全理解人类细胞的复杂性，模型必须在一系列不同的人类细胞中对混合模式进行分类。
可视化细胞中蛋白质的图像通常用于生物医学研究，这些细胞可以成为下一个医学突破的关键。然而，由于高通量显微镜的进步，这些图像的生成速度远远超过人工评估的速度。因此，对于自动化生物医学图像分析以加速对人类细胞和疾病的理解，需要比以往更大的需求。
虽然这是生物学方面的竞赛，但是其本质是机器视觉方向的图像多标签分类问题，参赛队伍也包括许多机器视觉和机器学习领域的竞赛专家。
数据分析
官方给我们提供了两种类型的数据集，一部分是512x512的png图像，一部分是2048x2048或3072x3072的TIFF图像，数据集大概 268G, 其中训练集：31072 x 4张，测试集：11702 x 4张。
一个蛋白质图谱由4种染色方式组成(red，green，blue，yellow)，图像示例如下：
我们将4个通道合并成3通道（RYB）可视化的图像如下所示：
在本次竞赛中一共有28个类别，比如 Nucleoplasm、Nuclear membrane等，每个图谱图像都可以有一个或者多个标签。标签数量统计如下：
可以发现标签数量集中在1-3个，但是仍然会有图像有5个标签，给比赛增加了一定的难度。
另一方面的难点是数据集中样本数量很不均匀，图像最多的类别有12885张，而图像最少的类别只有11张图像，这给竞赛造成很大的困难，样本数量分布情况可以在图中看出。
在比赛过程中逐步有参赛者发现官方的额外数据集HPAv18，并得到官方授权，这些数据集有105678张，很大程度的扩大了样本数量，同时给我们提供了很大的帮助。
环境资源
硬件方面我们使用了4块NVIDIA TESLA P100显卡，使用pytorch作为我们的模型训练框架。
图像预处理
HPAv18 图像与官方给出的图像有一定的差别，虽然也是由4中染色方式组成，但是每个染色图像是一个RGB图像，而不是官方的单通道图像，而且RGB三个通道的值差别较大，我们对这些图像做了预处理，对每个RGB图像只取一个通道（r_out=r,g_out=g,b_out=b,y_out=b）,并将这些图像缩放到512x512和1024x1024两种尺度。
对于TIFF文件，我们用了一周的时间把这个数据集下载下来，然后将所有图像缩放到1024x1024。
数据增广
我们比赛中使用的增广方式有Rotation, Flip 和 Shear三种；因为我们不知道一张图像中的多个细胞之间是否有关联关系，所以比赛中没有使用随机裁剪的增广方式。
模型
我们最终使用的基础模型有Inceptionv3，Inceptionv4以及Xception三种，比赛前期我们测试了VGG，ResNet，ResNext，SeNet，但是效果不是很好，因此比赛末期没有再进行进一步测试。
我们使用了512，650和800三种尺度来增加网络对图像的理解，另外每个尺度进行10折交叉验证，保证验证集的划分对网络整体的影响，以及用验证集来评估模型预测的好坏和选择模型及其对应的参数。不同模型交叉验证时使用不同的随机种子划分验证集和训练集，以尽可能多的学到不同的样本组合。
Inceptionv3和Inceptionv4的512的结果不好（0.55+ public leaderboard 阈值0.15），因此没有做交叉验证，只是用512尺度训练了基础模型，并用在650和800的微调中。
模型修改：
1.第一层卷积的输入通道数由3修改为4，保持其他卷积参数不变，从而使网络应对4通道输入；
2.修改最后一的池化层为全局池化层，保证在多尺度时可以使用同一个网络；
3.全局池化后增加一层128的全连接，然后接一层28的全连接。
训练
训练过程的参数如下：
loss: MultiLabelSoftMarginLoss
lr: 0.05(512,imagenet 预训练)，0.01(650和800，512预训练);
lrscheduler: steplr(gamma=0.1,step=6)
optimizer: SGD (adam,rms not well)
epochs: 25, 600和800一般在12-20直接提前结束，取loss最低的模型
10 folds CV
sampling weights：[1.0, 5.97, 2.89, 5.75, 4.64, 4.27, 5.46, 3.2, 14.48, 14.84, 15.14, 6.92, 6.86, 8.12, 6.32, 19.24, 8.48, 11.93, 7.32, 5.48, 11.99, 2.39, 6.3, 3.0, 12.06, 1.0, 10.39, 16.5]
scale：512，600，800
独立阈值
为每一个类别找到一个合适的阈值是一件很困难的事，但是多阈值是提升分数的关键，对我来说，大概可以提升0.005~0.008。 我们使用验证集来找阈值，我们训练单模型xception 512 ，验证集占13%。调整每一类的阈值使得f1 score达到最优，不过我们发现稀有类别的阈值普遍很高，public lb会变差，因此我们只调整了验证集1000张以上的类别，稀有类别控制阈值为0.15 通过这种方法找到的阈值在其他模型或者集成的时候同样有效。
测试
比赛结束以后我们将比赛中训练的模型重新提交查看private leaderboard成绩，得到如下结果:
比赛过程中我们发现做了10 fold ensemble不一定比single fold好，因此我们在最终集成的时候部分模型只选择了部分fold （根据loss选择）。
检索
我们使用检索的方法（特征使用inceptionv4 800 的128维特征）查找test与hpa相似的图片，使用余弦相似度进行度量，我们发现了许多相似的甚至相同的图片，直接使用相似度最高的300张图片的结果进行替换，分数在public lb上提升0.01~0.015，不过在private LB中并没有效果，官方在比赛过程中也说明部分test图像由于与HPA中部分图像重合，不再进行分数计算。
集成
我们将inceptionv3 inceptionv4以及xception 800的10fold 模型的特征进行concat（先进行l2），得到3840维的新特征，并在此基础上设计了2层的全连接网络进行训练, 并做10 fold CV，训练过程中使用不容参数训练过程如图所示，我们取了loss最低的参数。结果融合后private lb:0.55150 public lb:0.62791。
虽然上面方法在public lb上分数较高，但是当与其他模型结果融合时，public LB的分数反而降了，因此我们降低了这个模型的权重。
最后的结果是通过加权融合的方式得到的，权重根据模型的public lb分数设置， inceptionv4 800和inceptionv3 800的权重最高，xception 650 最低，同时也用到了inceptionv4、xception其他尺度的部分fold。
