第12名方案

首先，感谢 Kaggle 社区在讨论区和 Notebook 分享中的积极参与。特别感谢 @cdeotte 在他出色的 Notebook 《Triple Stratified KFold with TFRecords》中建立的流程。这帮助我们（https://www.kaggle.com/vikrant06 和我）快速尝试了多种 EfficientNet 的配置。此外，“noisy-student” EfficientNet 权重似乎也非常有效。

我们使用了 3 折交叉验证，数据包含了 2018 年和 2019 年的数据，图像尺寸为 384x384。针对 B5、B6 和 B7 模型（分别使用了 imagenet 和 noisy student 权重），我们加入了亮度和对比度增强，并通过幂平均（power of 2）进行了集成。

将上述结果模型与公开排行榜前 4 名的方案（同样采用了幂平均集成，power of 2）进行加权平均集成后，我们最终获得了 0.9644 的公开 LB 分数和 0.9458 的私有 LB 分数。