第36名解决方案

首先，我非常感谢我的队友 @yannmajewski 和 @mo5mami 的辛勤工作和付出。同时也要感谢所有分享代码、想法和参与讨论的参赛者们。

以下是我们流程的概览：

总结

最终提交结果（Public: 0.969, Private: 0.972）
我们在模型中使用了不同的图像尺寸：[(512x512),(640x640),(736x736)]

• M1: Multi resnet200d (Public: 0.967, Private: 0.971)：
  • 详情将由 @yannmajewski 稍后提供。
• M2: EcaresNet269d：
  • 详情将由 @yannmajewski 稍后提供。
• M3: @ammarali32 的 4 阶段模型。
• M4: @ttahara 的 Multi Head Model（多头模型）。
• M5: @underwearfitting 的 Resnet200d 2xTTA。
• M6: TF - EfficienNet B7 (Public: 0.963, Private: 0.964)：
  • 预训练模型：ImageNet
  • 使用不同的损失函数进行训练
  • 数据划分：使用 @sin's Split Methods 进行 10 折划分，但在 EfficientNet_final_sub 中我们只使用了 4 折。

其他模型：

• 3 stages ResNet200d (Public: 0.962, Private: 0.966)

后处理

• 感谢 @hengck23 提供的 Magic trick（魔法技巧）。

提交选择

我们的计划是选择一份参考 LB 分数设置权重的提交，另一份基于 CV 分数。但两者的得分均为 0.972，略有差异（基于 LB 的提交让我们获得了第 36 名）。

未完待续...