前言
在这次Data Science2 的课程项目中，选了Kaggle上一个正在进行的比赛作为课题，这应该是我第一次跟人合作做这么大的项目，也是我第一次正经参加Kaggle的比赛，整个比赛过程走了很多弯路，踩了很多坑，觉得非常有必要做个记录，作为督促自己的成长吧。第一部分主要是一些反思和总结，另外在这两个月里看了不少论文，准备每天写一点，放在第二部分了。
反思1：整体规划
问题：
在这个项目中，我一开始并没有一个清晰的规划，认为可以像做其它课程小项目一样，先做着，有问题查资料，反正就一直做下去，属于船到桥头自然直的那种，这就是“走弯路”的开始。大项目不比小项目，大项目一开始就会有很多个方向需要选择，并且每个方向会遇到的事都不明朗，如果一开始不做充足的调查准备工作，随意凭直觉或者一些不太靠谱的依据选一个方向，如果错了，就得重新来过，非常浪费时间。\
总结：
根据队友的经验，这种程度的项目理应有两个规划，动态和静态的，或者也可以说是短期和长期。静态规划是一个比较笼统的东西，但花的时间应该是非常多的，首先，我们得知道，一开始我们有多少个方向可以选择，每个方向大致需要做什么工作，可能会出现的问题，以及需要经历的阶段，这个静态过程非常耗时，但这是为了节省后面的时间，提高后面的效率，规划到什么程度这是经验性的东西，不好说，现在我也没什么概念，但这时间一定得花。第二是动态规划，也就是短期的，因为静态规划只是一个大概的东西，具体在进行的过程中会出现很多不确定的因素，遇到这些问题短期内我们要怎么做，这就是动态的，也应该是具体的。\
实例：
以这次项目为例，做细胞实例分割，一开始的时候以Anchor-free 和 Anchor-based 将四人小组分为两个，我和另一个人做Anchor-based ，其实这个时候我们应该花时间做静态规划的，但我们没有，而是直接来了个短期的目标，做pipeline，包括基于Pytorch的Dataset和Dataloader，这个对我们的项目很重要，但根据后面的发展，这个对比赛不重要。还有数据集的处理，Kaggle讨论区其实有非常多的资源，甚至现成的代码或者别人已经处理好的数据集，但我们没有看，这部分花了非常多的时间。所以，如果我们一开始就花一定的时间充分了解比赛，了解Kaggle平台能提供的资源，后面的进度会快很多。\
反思2：模型的选择
问题
这个比赛中我们尝试了非常多的模型，而且犯了一个大忌：从复杂到简单。回头想想这真的很要命，一开始我们的思路非常简单，因为这是实例分割，就从COCO数据集里找模型，在排名靠前的模型里找，确定了个：CBNetV2 + Swin Transfomer + HTC, 参数量一两个亿，丝毫没有考虑到我们现有数据集的量能不能训出这模型，也基本没有考虑训这模型我们所需要的时间已经金钱成本。
总结：
其实Olivier说的非常有道理，我们应该先定下一个baseline model，比如我们这里定的是Mask RCNN，我们就应该先努力去调它，调出一个好的结果，然后再根据需要慢慢改进或者复杂化，而不是一上来就搞一个超级复杂的模型，我们压根没那些时间，硬件，金钱去调这种模型，数据量也不够，最后训出来的结果非常差，而且对于这么大的模型，要调参我们无从下手，一个模型跑两天我们真是疯了。
反思3：认清自己以及比赛
问题：
就是我们要量力而为，一开始我居然想在半个月里手写HTC，真是疯了，这也花了不少时间。也就是在这个时候我们基本确定了用MMDetection 搭建模型，之前走了这么多弯路，直到这时候我们才有半只脚踏上了正规，但我们依旧在错误的路上走着，想用MMDetection个非常复杂的模型。
总结：
正确了解自己能力和所要处理的问题之间的差距。另外也要时刻思考，现阶段我们需要实现什么，同时也要思考下一阶段的部署，不要说多么长远，至少，三天以内的安排得清楚。队友进度一直走在我前面，应该就是他不停在思考短期的计划，并且行动力也跟得上。\
到后面用MMDetection的时候，其实我们已经是在单纯地调config的参数了，而且调的时候既没有经验或实验数据支持，也没有理论支持，只能调一些最简单直观的，说难听一点，这个工作给任何一个毫无相关专业知识的中学生可能都能做。Kaggle不应该是用这种方法就能拿到好分数的比赛。\
回顾
站在现在回顾这个比赛，我认为合理的流程或许应该是这样的：\
- 了解比赛规则，包括提交的东西，能不能联网，训练时间的限制，能否使用外部数据集等，能有多具体就做多具体。\
- 了解数据集的构成，哪些有用哪些没用。\
- 前两步一定要去讨论区看看，看看别人对这比赛的想法，对这数据集的看法以及处理方法。\
- 确定baseline model，这步很重要，如果像这个比赛一样很直观的话，可以直接定下 Mask RCNN，如果不了解，找论文，论文的来源，讨论区或许有，如果不想看论文，翻翻讨论区，看出现频率最高的模型是哪个，再去深入了解。\
- 搭好模型，弄好数据集，尽早提交第一次成果。根据分数调整baseline model，让分数尽量高，调整灵感可来自讨论区，和实验的结果分析。\
- 当baseline model 已经达到自己所能调整的极限时，开始往外拓展，在baseline model的基础上进行模型复杂化，以Mask RCNN为例，可以改backbone，可以加上cascade，然后把之前Mask RCNN调好的参数用上去，或许不一定很契合，需要微调，但我认为这种做法并不坏。但要注意的是，每次更改模型就选一个方向，比如先改backbone，调到最优，再改其它，有队友的话可以各自负责一个方向，但基底应该是一样的。\
总结
总而言之，通过这个比赛真真切切认识到规划的重要性，接下来想多找几个项目积累经验，另外，MMDetection的源码得看，下次再用的时候不能只局限于调config。\
暂时只想到这些，之后再仔仔细细回顾整个过程，或许还有补充。