第18名方案：YoloV5与利用追踪数据进行过滤

我的队友（@mathurinache 和 @matthieuplante）和我想要感谢 Kaggle 和主办方组织了这场比赛。
我们还要感谢 @its7171 在比赛初期提供的公共基线 notebook。

我们将以迭代的方式描述我们的解决方案，以展示我们是如何从这个公共基线出发，最终达到 Private LB 0.42+ 的成绩。

公共基线改进

我们采用了 @its7171 分享的想法，将撞击标注扩展到 [-4, 4] 的范围。但是，我们不仅仅在包含撞击的帧上进行训练，还在训练集中加入了对应 -5 和 +5 偏移量的帧。在我们看来，这有助于模型理解撞击与非撞击之间的边界。使用在 512x512 图像尺寸上训练的 EfficientDetB5，并进行简单的 80/20 划分，我们得到的 CV/Public/Private 结果为：0.18/0.22/0.18。

基于之前的模型，增加了将在最后一节描述的后处理步骤，我们的 CV/Public/Private 结果达到了 0.22/0.25/0.22。

随后，我们将基础模型转为 YoloV5，并针对我们的 2 类检测问题使用原始分辨率，达到了 CV/Public/Private 结果：0.25/0.28/0.24。

最后，我们进行了一些模型融合（结果证明这对 Private LB 不利），结合了一个 0.226 的公共 notebook，我们的 Public LB 达到了 0.35+，但 Private LB 只有 0.26+。

利用追踪数据作为帧选择器

追踪数据对于检测撞击帧来说似乎是一个很好的切入点，因为提供了球员层面的速度和加速度等信息。

为了处理这个文件，我们决定稍微改变其结构，从：
[时间, 球员信息]

变为：
[时间, 球员信息, 最近的对手信息, 全局聚合特征, 撞击标记]

全局聚合特征是给定时间戳下球员速度/加速度等的均值/标准差。
我们还特意移除了任何依赖平移或旋转的特征，例如：x, y, direction, orientation。对于方向和朝向，我们添加了球员和对手数值之间的标量积。
撞击标记是通过与训练 csv 文件核对获得的。

然后，我们建立了一个基于简单 Transformer encoder 架构（6 个注意力层，8 个头）的模型，带有一个线性分类头，用于处理 9 个连续时间步的新追踪数据（9 是一个参数）。

我们对此数据进行了 5 折训练，通过下采样来处理类别不平衡。每一折大约提供了 0.4 的 F1 分数，精确率和召回率也都在 0.4 左右。起初这看起来很差，但因为我们在球员层面，回到帧层面时，我们得到以下结果：召回率为 0.7，精确率为 0.1。接受将召回率的上限设为 0.7，我们现在处于这样的情况：10 帧中有 1 帧包含至少一次撞击（训练数据的原始情况是 100 帧中有 3 帧）。

使用 5 折策略重新训练我们的 Yolo 模型（不使用与帧选择器相同的种子）并使用此帧选择器进行过滤，起初并没有改善我们的结果！
实际上，当我们改变了“预测空间”时，我们也需要改变验证空间，将其限制在帧选择器的范围内。

这一策略使我们的 CV/Public/Private 分数达到了 0.3711/0.3749/0.3767。

最后，我们通过添加帧选择器的假阳性（FP）样本增强了训练集（猜测其中包含一些困难样本），达到了以下 CV/Public/Private 分数：0.4117/0.3636/0.4220。
在后处理上的一些小调整使我们的最佳 Public LB 达到 0.4666，Private 分数为 0.4244。

后处理

我们的后处理由以下几个步骤组成：

• 1 - 基础模型置信度过滤
• 2 - 5-85% 过滤：排除视频中低于 5% 或高于 85% 的所有帧
• 3 - 端区 - 边线约束：仅保留在边线和端区都有预测的帧，且最多允许 3 帧的误差
• 4 - NMS（使用 torch 实现）：在 9 帧的滑动窗口上进行，IoU 阈值为 0.