深度学习刷SOTA的trick盘点

主要观点总结

本文主要介绍了在3D视觉、图像分类等领域中常用的技巧和策略，包括数据增广、模型训练优化、测试技能等，文章列举了一些已应用的技巧及其在不同任务中的应用效果。同时，也分享了一些社群、交流群的相关信息。

关键观点总结

关键观点1: 数据增广技巧

包括Flip、RandomFlip、cutout、mixup、mosaic等，这些方法通过增加数据的多样性来提高模型的泛化能力。

关键观点2: 模型训练优化技巧

包括使用不同的学习率对Backbone和Heads进行训练、使用多loss加权混合、带权重CEloss、类平衡损失等，这些技巧有助于提高模型的性能和稳定性。

关键观点3: 测试常用技能

包括推理过程中的TTA增强等，这些技能在不改变模型内部参数的情况下提高预测效果。

关键观点4: 其他社群和交流群信息

作者分享了3D视觉交流群、图像分类任务交流群等的信息，并推荐了知识星球、课程学习等资源。