「竞赛调研」GeoLifeCLEF 2022 x FGVC9 - 任务及解决方案

• 任务说明

  本次竞赛的目标是预测植物和动物物种的地理分布，比赛方提供了来自法国和美国的1.6M个地理定位的观测数据，涵盖17K个物种（其中9K个为植物物种，8K个为动物物种）。

• 解决方案

  • rank1 - Sensio Team

    • 总体概述

      团队集成了3个模型：

    • 1. 一个双模态网络。团队使用 Nir+G+B ，在预训练的 resnet34 上，将其最后一层堆叠到一个 3 层 FCN（包含 环境向量 + 纬度 + 经度 + 国家 + 海拔平均值 + 最大-最小海拔 + "dothot" 编码（为某种 softmax-onehot 编码） ）上，并将这两个骨干网络连接到最终的 17k 类层。

    • 2. 一个预训练的 mobilenetv3 100 large 模型，输入为 R+G+B+Nir，FC 网络与1.相同。团队在两个模型堆叠的最后一层之间，添加了一个额外的带有 dropout 和 ReLu的 2048 线性层。

    • 3. 一个具有 32 个估计器和 12 的深度的随机森林，输入与前面的 FC 网络相同：环境向量 + 纬度 + 经度 + 国家 + 海拔平均值 + 最大-最小海拔 + dothot 编码（softmax-onehot 编码）的土地覆盖，总共 81 个输入特征。

    • 前两个模型在 CNN 模型上具有随