第5名解决方案
感谢主办方和 Kaggle 举办了如此有趣的比赛。我也要感谢所有的参赛者和队友（@takashisomeya @nomorevotch @fuumin621）带来的美好时光。
我们的解决方案由两个阶段组成：NN（神经网络）和 GBDT（梯度提升决策树）。我们将详细介绍具体细节。
■ 第一阶段：NN 部分概述
- 输入为追踪数据和图像（球员-球员距离 < 2 以及 球员-地面）
- 一次性推理连续帧
- CNN + LSTM
NN 的输入
[1] 追踪数据
使用以下追踪数据：
- distance（距离）
- distance_1（球员1）
- distance_2（球员2）
- speed_1（速度1）
- speed_2（速度2）
- acceleration_1（加速度1）
- acceleration_2（加速度2）
- same_team（同队，布尔值）
- different_team（不同队，布尔值）
- G_flag（地面标志，布尔值）
如果球员是 G（地面），则用 -1 填充 distance 和 XXXX_2 的值。
same_team 和 different_team 是标志，用于判断球员是否属于相同/不同的队伍。
G_flag 表示球员-地面对的标志。
[2] 图像 + Bbox（边界框）
- 在通道方向上拼接以下三项：
- 头盔周围裁剪的 +-1 帧视频画面。
- 头盔 bbox 掩码
- 图像大小：
- 球员-球员对：裁剪尺寸 = max(平均 bbox 宽度, 平均 bbox 高度) * 3
- 球员-地面对：裁剪尺寸 = max(bbox 宽度, bbox 高度) * 3
- 将裁剪后的图像调整为 128x128。
我们使用了至少包含一帧距离 < 2 的连续帧。
（此时数据可能包含距离 > 2 的帧。）
- [1]：B x N x 10
- [2]：B x N x 3 x 128 x 128
(B: batch_size, N: 连续帧数 (如 16,32,48,64))
在训练和推理过程中，以不同的步长截取连续帧 (N)。
训练：无重复帧 (stride == N)
推理：有重复帧 (stride < N，重复帧的结果取平均值。)
训练时的数据增强
使用以下数据增强方法：
- HorizontalFlip（水平翻转）
- RandomBrightnessContrast（随机亮度对比度）
- OneOf（以下选一）
- MotionBlur（运动模糊）
- Blur（模糊）
- GaussianBlur（高斯模糊）
- Random frame dropout（随机帧丢弃，图像 40-60%，追踪数据 20-60%）
NN 模型
整体 NN 模型架构如下：
- Endzone/sideline（端区/边线）图像通过共享的 CNN 骨干网络。
- CNN 骨干网络使用 TSM 模块。
同比赛其他方案