Kaggle Planetに参加しました。結果は96位。 Discussionにない工夫をした点は天候に応じて特定のラベルの閾値を変更する程度で、 提出したのはVGG16, ResNet50, Xceptionの3CNNのアンサンブルでした。 時間短縮の為に 精度を競うと機械学習は実験的な側面もあり、いくらでも時間を溶かせます。 Kaggleのランキング上位のインタビューを見てもデータの特徴をうまく掴むことが大事だと思います。 ローカルでの検証環境を整える データの整形・拡張の比較検証は軽量なCNNで 時間のかかるCNNモデルは最後、その他の処理に注力する 条件によってある程度決めれるパラメーターは固定してしまう 学習は夜間や他のことをやってる時に Discussionや過去の勝者ソリューションを見る 精度向上の為に TTA 推論時のデータ拡張 アンサンブル 平均、投票など コードを再利用