第8名解决方案

恭喜获胜者，感谢 Kaggle、比赛赞助商以及分享见解的 Kernel 贡献者，这对我们帮助很大。

模型

我们集成（Ensemble）了以下模型：FPN-B0, B1, B2, B3, B4, Seresnext50。以及 UNET-Seresnext50, Resnet34。还有自定义的 Attention Unet-B0, B1。

数据增强

仅使用了翻转、随机亮度、随机 Gamma 和随机对比度。

训练

渐进式学习是我们的主要方法，从 256x256 开始直到完整尺寸。

256x256 尺寸的训练是在编码器冻结的情况下进行的，以实现更快的收敛——只有编码器的 BatchNorm 层未冻结。最后，部分模型在完整的训练数据上过拟合了（早停）。

后处理

使用了三重阈值（Magic element），并且仅使用翻转作为 TTA（测试时增强）。