颜色分类leetcode xview2 1st place solution “xView2 评估建筑损坏”挑战的第一名解决方案

颜色分类leetcode xview2第一名解决方案“xView2：评估建筑损坏”挑战的第一名解决方案。解决方案介绍使用此环境开发的解决方案： Python 3（基于Anaconda安装） Pytorch 1.1.0+和torchvision 0.3.0+英伟达顶点硬件：当前的训练批量大小至少需要2个GPU，每个GPU为12GB。 （最初在Titan V GPU上训练）。对于1 GPU批量大小和学习率应该在实践中找到并相应地改变。竞赛数据集中的“train”、“tier3”和“test”文件夹应放在当前文件夹中。使用“train.sh”脚本来训练所有模型。 （在2个GPU上约7天）。要生成预测/提交文件，请使用“predict.sh”。 “evaluation-docker-container”文件夹包含用于对保留集（CPU版本）进行最终评估的docker容器的代码。训练模型此处提供经过训练的模型权重： （请注意：代码是在比赛期间开发的，旨在对不同的模型进行单独的实验。因此，按原样发布，没有额外的重构以提供完全的训练重现