第二名方案：头盔检测 + 3D 冲击检测 + 后处理

感谢比赛的组织者和所有的参赛者——向所有在假期期间努力工作的人表示祝贺！

@ilu000 和 @robikscube 现在是竞赛 Grandmaster 了！实至名归——恭喜！

以下是团队 @christofhenkel, @ilu000, @philippsinger, @robikscube, @fergusoci 的解决方案。

简要总结

我们的解决方案采用两阶段方法。第一阶段是一个 YOLOv5 模型，用于检测视频每一帧中的头盔。第二阶段的集成模型由各种 3D CNN 模型组成，这些模型使用裁剪出的头盔位置以及该位置前后各 4 帧的图像。我们的第二阶段模型按冲击类型预测目标。最后，我们对集成后的第二阶段预测结果应用后处理。

详细总结

下面我们给出解决方案的详细描述：

验证策略

我们使用按 GameID 分组的 GroupKfold 创建了 5 折数据分割。

我们针对头盔检测训练了各种第一阶段模型，既使用了我们的 KFold 分割，也使用了整个训练集。我们确定，基于我们的第二阶段边界框，第二阶段模型可能达到的最高分数为 0.9868（在 1888 次冲击中，第一阶段模型预测了其中 1863 次的匹配框）。

流程管道

我们通过协作的方式进行比赛，每个团队成员都基于一个中央流程管道工作。我们使用了以下工具：

• Github：版本控制和代码共享
• Neptune：日志记录和可视化
• Kaggle API：数据集上传/下载
• AWS：数据存储
• Push kaggle dataset github action：https://github.com/marketplace/actions/push-kaggle-dataset 用于自动将 github 提交推送到 kaggle。

我们计划在清理完成后不久发布我们的代码。

架构

我们最好的第二阶段集成模型由 6 个不同的 EfficientNet 加上水平翻转 TTA 组成。我们将 EfficientNet 倒残差块中的前两层 2D 卷积层替换为 3D 卷积层，正如 @davletag 在 Deepfake 竞赛 中所做的那样。致敬 @davletag，这一招在这里似乎也很有效。

在最后时刻，我们训练了 3D Resnext50 和 3D Resnext101（使用 https://github.com/okankop/Efficient-3DCNNs) 的 Kinetics 数据集预训练权重）。虽然初步结果看起来很有希望，但我们缺乏时间来正确调整超参数，因此没有在我们选定的提交中使用它。

训练策略/计划

第一阶段：头盔检测

在比赛期间，我们使用 GroupKfold 分割每折训练 YOLOv5，但也添加了额外的图像。幸运的是，YOLO 开箱即支持 DDP，只需运行 torch.distributed.launch，因此我们可以大大加快训练速度。我们使用了带有预训练权重的标准配置，并应用了以下参数：

--batch-size 128
--img-size 704
--epochs 50
--data dataset_fold0.yaml
--weights yolov5x.pt
--single-cls
    

对于我们的最终提交，我们在没有验证集的完整数据上进行了训练。在推理时，我们发现使用内置的 TTA 标志并使用 1280 的 img-size 可以很好地改善框预测。我们保留所有置信度大于 0.05 或 0.1 的框，并继续分配标签。由于我们的第一阶段模型仅检测头盔，即是一个单类检测器，我们需要在生成框后分配冲击/非冲击标签。为此，我们获取 GT（真实标签）框，并将与冲击 GT 框具有 0.35 IOU 重叠的每个预测框分配为冲击。

第二阶段：从头盔检测冲击

我们 3D 模型的输入数据是来自第一阶段的 9 个头盔检测堆叠：中心