这是我这个第二名给出的方案

1.我选用了Fast-RCNN并使用ResNet101_vd作为backbone。

2.图片进行大小上的缩放和归一化。在数据增强方面，大多数增强方式都不利于模型精度的提高，因此只选用了图片翻转。

3.因为使用了预训练模型所以选用了warm-up作为开始的学习率，其后的学习率为多个周期的余弦退火衰减。

4.选择带有动量的SGD作为优化器，同时对所有的参数设置了L2正则化系数。

-README.MD
-飞桨新人赛：钢铁缺陷检测挑战赛-第2名方案.ipynb

A：在AI Studio上运行本项目
B：下载飞桨新人赛：钢铁缺陷检测挑战赛-第2名方案.ipynb，然后运行它吧！