飞桨常规赛：黄斑中央凹定位（GAMMA挑战赛任务二） - 11月第3名方案

· 前沿科技 · 56451

本文介绍飞桨常规赛黄斑中央凹定位11月第3名方案。赛题旨在对2D眼底图像中黄斑中央凹定位，预测其坐标，不可见则设为(0,0)。数据集含200个样本，建模为回归问题，用Resnet50vd作backbone，通过数据增强、自定义损失函数等优化，还提及代码结构、复现步骤及不足与改进思路。

飞桨常规赛：黄斑中央凹定位（GAMMA挑战赛任务二）

1. 赛题分析

GAMMA挑战赛是由百度在MICCAI2021研讨会OMIA8上举办的国际眼科赛事。MICCAI是由国际医学图像计算和计算机辅助干预协会 (Medical Image Computing and Computer Assisted Intervention Society) 举办的跨医学影像计算和计算机辅助介入两个领域的综合性学术会议，是该领域的顶级会议。OMIA是百度在MICCAI会议上组织的眼科医学影像分析 (Ophthalmic Medical Image Analysis) 研讨会，至今已举办八届。
       

1.1 题目

对2D眼底图像中黄斑中央凹进行定位。
本任务的目的是预测黄斑中央凹在图像中的坐标值。若图像中黄斑中央凹不可见，坐标值设为(0, 0)，否则需预测出中央凹在图像中的坐标值。
       

1.2 数据分析

数据集由中国广州中山大学中山眼科中心提供，数据集中包含200个2D眼底彩照样本，分别为：训练集100个，测试集100个。
样本数虽然不多，但测试集和训练集数据一致性较好，实际训练时没有发现过拟合现象。图像分辨率大部分为2992 * 2000，少量为1956 * 1934，图片分辨率高。
中央凹标注单位为像素，精度精确到小数点后5-6位（确实不知道是否真的需要这么高的精度嘛？）。虽然说明中有说中央凹不可见时坐标值设为(0, 0)，但标注中并未发现这种情况，暂时只能认为测试集中也不存在这种情况。

2. 方案说明

2.1 建模思路

题目要求检测黄斑中央凹点，参考baseline将其建模为回归问题。
backbone选用paddleseg自带的Resnet50vd，输出为归一化的xy坐标值。
考虑到中央凹位置坐标范围有限，这里将坐标映射到[0.3, 0.7]的区间范围内再归一化到[0, 1]区间。

数据集

采用paddle.io.Dataset自定义数据集，能够方便的实现数据管理、组batch、坐标映射与恢复等功能。

class MyDataset(paddle.io.Dataset):
    def __init__(self, img_folder, label_file=None, idx=None, argument=False):
        '''设置图片目录、标签文件、样本编号（用于训练集和验证集划分）、数据增强等'''
        img_paths = get_all_paths(img_folder, '.jpg')        if idx is None:
            idx = np.arange(len(img_paths))
        imgs = [read_image(img_paths[i]) for i in idx]        if label_file:
            label_df = pd.read_excel(label_file)
            label_X = label_df['Fovea_X'].values
            label_Y = label_df['Fovea_Y'].values
            labels = [(label_X[i], label_Y[i]) for i in idx]        else:
            labels = [None,]*len(idx)
        datas = [(img, label) for img, label in zip(imgs, labels)]
        self.datas = datas
        self.argument = argument
        self.color_jitter = paddle.vision.transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1)    def __getitem__(self, idx):
        '''返回的param用于预测时恢复原始图像坐标'''
        img, loc = self.datas[idx]
        img = img.copy()        if self.argument:
            img, loc = self.do_arg(img, loc)
        img, label, param = self.pre_process(img, loc)        return img, label, param    def __len__(self):
        return len(self.datas)    def do_arg(self, img, loc):
        '''
            数据增强方式包括：颜色抖动、水平翻转、垂直翻转。
            数据增强后对变换参数作相应改动。
        '''
        h, w, _ = img.shape
        img = self.color_jitter(img)        if np.random.uniform(0,1)>0.5:            # horizon flip
            img[:,::-1,:] = img
            loc = (w-loc[0], loc[1])        if np.random.uniform(0,1)>0.5:            # vertical flip
            img[::-1,:,:] = img
            loc = (loc[0], h-loc[1])        return img, loc    def pre_process(self, img, loc):
        '''图像归一化到[-0.5, 0.5]区间，标签归一化到[0, 1]区间'''
        img, loc, param = crop_center(img, loc)
        img = img.transpose([2,0,1]).astype(np.float32)/255-0.5
        label = np.zeros([2], dtype=np.float32)        if loc is not None:
            fx, fy = loc
            r0, r1 = OUTPUT_RANGE
            w = (fx-r0)/(r1-r0)
            h = (fy-r0)/(r1-r0)
            label[:] = (h, w)        return img, label, param

登录后复制
   

由于样本图像大小不一，这里归一化到统一大小。缩放时保持比例并裁取中间块，同时保留坐标映射信息。预测时可以据此映射回原图坐标。

def crop_center(img, loc=None):
    h, w, d = img.shape
    dx = (w-h)//2
    img = img[:, dx:(dx+h), :]
    img = cv2.resize(img, (INPUT_IMAGE_SHAPE, INPUT_IMAGE_SHAPE))
    scale = h/INPUT_IMAGE_SHAPE    if loc is not None:
        x, y = loc
        loc = ((x-dx)/h, y/h)    return img, loc, (scale, dx)def restore_xy(loc, param):
    x, y = loc
    scale, dx = param
    loc = (x*INPUT_IMAGE_SHAPE*scale+dx, y*INPUT_IMAGE_SHAPE*scale)    return loc

登录后复制
   

模型

paddleseg仅需一行代码即可构建backbone模型（work/my_model.py)：

self.backbone = paddleseg.models.backbones.ResNet50_vd(pretrained=pretrain_url)

登录后复制
       

与paddle自带的Resnet预训练模型相比，paddleseg的预训练模型默认输出多分辨特征，我们可以很方便的挑选自己所需的特征（work/my_model.py)：

feats = self.backbone(x)
feats = [feats[i] for i in self.feat_indices]

登录后复制
       

本项目目前仅采用末层特征（self.feat_indices=[-1]）。

loss选用的是收敛性能较好的smooth L1。通过自定义loss层，能够方便的实现多头输出加权loss。

class MyLoss(paddle.nn.Layer):
    def __init__(self, loss_w = LOSS_WEIGHTS):
        super(MyLoss, self).__init__()
        self.loss_w = loss_w    def forward(self, preds, label):
        loss = 0
        for pred, w in zip(preds, self.loss_w):
            loss += w*paddle.nn.functional.smooth_l1_loss(pred, label)        return loss

登录后复制
   

2.2 代码结构

代码 功能
config.py 参数设置
utils.py 功能函数
my_dataset.py 数据集
my_model.py 模型
train.py 训练主程序
predict.py 预测主程序

2.3 一些细节

  1. 预处理时全图取中使宽高一致，再缩放为512*512
  2. 训练数据增强选用了颜色抖动和随机翻转
  3. 学习率采用warmup和线性递减，基准学习率为1e-3
  4. 优化器采用Momentum
  5. 后处理时在局部邻域取灰度最低点作为最终结果

2.4 可视化

不得不说visualdl可视化太棒了，哪怕只是简单的画一下loss和evaluate曲线，都感觉对训练过程把控好很多。
创建日志：

vdl_writer = visualdl.LogWriter(vdl_path)

登录后复制
       

写入监控变量：

vdl_writer.add_scalar('train/loss', loss_scalar, iters)

登录后复制
       

在AI Studio的数据模型可视化模块中便可以看到需要的变量曲线。 
       

3. 复现说明

3.1 安装依赖库

本项目运行依赖paddleseg包，可采用pip命令一键安装。

In [ ]

# 安装paddleseg!pip install paddleseg

登录后复制
   

3.2 下载并解压数据集

由于版权要求，比赛数据下载链接在报名后可见。

In [ ]

# 下载比赛数据，报名比赛后在比赛页面可查看下载地址!wget https://xxxxxxxxxxxxxxx/task2_Fovea_localization.zip# 解压至competition_data文件夹!unzip task2_Fovea_localization.zip -d competition_data

登录后复制
   

3.3 训练

模型参数已配置好，执行work/目录下的train.py脚本即可一键启动训练。此外在models/目录下有训练好的checkpoint，也可以不训练直接跳转3.4步获取模型预测结果。

In [ ]

!cd ~/work && python -W ignore train.py

登录后复制
   

3.4 预测

执行work/目录下的predict.py脚本即可一键获取可提交的csv文件，可以拿来作为参考。 但不建议直接拿来提交！！！

In [ ]

!cd ~/work && python -W ignore predict.py

登录后复制
   

4. 不足与改进

原本想借鉴YOLO的思路，把题目建模为“分块回归”问题，即把黄斑中央凹可能存在的区域划分为若干网格，首先通过分类确定中央凹点在哪个网格内，再通过回归确定最终位置，如图所示：

但实现以后发现效果不如直接回归的，大概是参数调的不够好吧。

以上就是飞桨常规赛：黄斑中央凹定位（GAMMA挑战赛任务二） - 11月第3名方案的详细内容，更多请关注视野AI【www.syai.cn】。

相关推荐：

特斯拉“2026 免费超充挑战赛”海外开赛，9 名车主将获终身免费超充资格

感谢网友不一样的体验的线索投递！ 6月26日消息，特斯拉“2026免费超充挑战赛”在海外开赛，全球9名车主将获得终身免费超充资格。据介绍，本次比赛一共有三种参赛方式，附介绍如下：一、创造最长连续充电记录：本赛道要求车主在上一次超充结束的24小时内，前往另一个此前从未到访过的超充站完成充电。每到达一个...

「今厕一定得」获第四届微信小程序全球创新挑战赛飞龙组一等奖：3 秒找出最近坑位，可一键导航前往

感谢视野AI网友驻之家观察员的线索投递！ 视野AI5月18日消息，微信官方今日发文介绍了获得此次第四届小程序全球创新挑战赛飞龙组一等奖的作品——“救急”小程序「今厕一定得」。据介绍，在小程序内点击“查找洗手间”或者“我很急”按钮，3秒内就能找到离你最近的洗手间，直接导航去蹲坑。是否免费？干不干净？可...

飞桨常规赛：点击反欺诈预测 - 12月第7名方案

广告欺诈是数字营销需要面临的重要挑战之一，点击会欺诈浪费广告主大量金钱，同时对点击数据会产生误导作用。本次比赛提供了约50万次点击数据。特别注意：我们对数据进行了模拟生成，对某些特征含义进行了隐藏，并进行了脱敏处理。 点击反欺诈预测Baseline <mstylemathcolor=&quot...

科大讯飞-人脸关键点检测挑战赛：进阶思路预训练模型 MAE 1.2

该内容为一场人脸关键点检测竞赛的解决方案。使用5千张带标注的人脸图像训练模型，识别4个关键点。采用ResNet18模型，调整输入层和输出层适配单通道图像及8个坐标值。通过数据扩增、K折交叉验证训练多模型，最终集成预测，以MAE评估性能，提升检测精度。 赛题介绍 人脸识别是基于人的面部特征信息进行身份...

PaddleX超简单之--【常规赛：PALM病理性近视预测】第二名方案

本文介绍用PaddleX参与PALM病理性近视预测常规赛的方法。先处理数据，解压、重命名并划分训练集与测试集，再配置PaddleX环境、数据增强和数据集，用MobileNetV3_small_ssld模型训练，最后批量预测生成符合要求的CSV结果文件，可获较好成绩。 PaddleX超简单之--【常规...

常规赛：PALM病理性近视预测 五月份第8名

该方案针对PALM病理性近视预测任务，曾获五月第八、六月三十第一。通过眼底照片分类区分正常与病变眼球，数据分辨率较高，需注意显存问题。思路参考相关方案，预处理采用调整亮度、大小及翻转旋转等，经网格调参确定最优组合，用对应模型训练，最后批量预测生成结果。 常规赛：PALM病理性近视预测 比赛链接 本方...

飞桨常规赛：中文场景文字识别 - 5月第2名方案

该内容主要介绍了PaddleOCR相关操作，包括下载安装PaddleOCR及依赖库，解压训练集和测试集文件，对训练集进行预处理（含数据增强、字符处理、切分数据集等），还说明了模型调优和配置，使用CRNN_CTC模型，修改配置文件，下载预训练模型用于迁移学习。 一、下载安装PaddleOCR及其依赖库...

讯飞非标准化疾病诉求的简单分诊挑战赛_baseline

该赛事聚焦医疗资源优化，需依据问诊文本（含年龄段、主诉等）完成10类就诊方向多分类。提供约5000条训练数据与1000余条测试数据，基线用ernie-tiny模型拼接文本微调，线下验证精度超0.98，线上得分0.85174，存在过拟合，可通过换大模型等策略改进。 赛事背景 人民对于医疗健康的需求在不...

飞桨常规赛：中文新闻文本标题分类-9月第四名方案

该方案针对中文新闻标题14分类任务，基于PaddleNLP，采用RoBERTa等预训练模型微调。分析THUCNews数据集，用AEDA、EDA做数据增强，处理数据后构建模型，以动态学习率和AdamW优化，经训练评估，最终对测试集预测生成结果。 常规赛：中文新闻文本标题分类Baseline(Paddl...

飞桨常规赛：点击反欺诈预测-10月第2名方案

本文围绕广告欺诈预测这一二分类任务展开，流程涵盖数据分析、特征工程等。对类别特征用Embedding处理，连续特征标准化；模型维持baseline结构，含embedding、concat等层，采用RMSProp优化器与交叉熵损失。还指出可从特征工程、模型结构等方面改进。 1赛题背景 广告欺诈是数字营...