第二名解决方案

我们想真诚地感谢组织者和 Kaggle 团队举办了如此引人入胜且愉快的竞赛。

概述

我们为单独行动和配对行动训练了独立的模型。

• 输入：形状为 (T = 512, num_features) 的时间序列
• 损失函数：二元交叉熵 (Binary Cross Entropy)
• 最终预测使用实验室 × 动作特定的阈值获得

---

数据预处理

• 所有跟踪数据均转换为 30 FPS
  • 特征：线性插值
  • 标签：最近邻插值
• 距离/速度/加速度使用预计算统计数据进行标准化
• 缺失值通过线性插值填充
  • 缺失的身体部位特征被替换为同一帧中现有身体部位特征的平均值。

处理 AdaptableSnail 的 25 FPS 跟踪数据

参考链接：https://www.kaggle.com/competitions/MABe-mouse-behavior-detection/discussion/612531#3305943

问题：

• 标签提供为 30 FPS
• 发生鼠标 ID 交换

修复：

• 标签帧率相应调整
• 通过目视检查跟踪可视化视频手动纠正鼠标 ID

输入特征

元特征（跨帧共享）

每帧特征

单独行动 (Solo)

配对行动 (Pair)

---

模型架构

我们使用了两个架构家族。

CNN + RNN / Transformer

输入
 → 多尺度卷积 (k =3,5,7,9)
 → 卷积融合
 → 双向 GRU 或 Transformer
 → 线性层
 → 输出

SqueezeFormer

输入
 → SqueezeFormer
 → 输出

我们训练了 5 个变体，具有不同的深度和超参数。

---

训练

• 5 折分层交叉验证
  • 折仅使用测试集中出现的实验室 ID 数据创建
  • 实验室 ID 被分层，以便它们的分布在各折中保持一致
  • 来自 CalMS21* 和 CRIM13 的实验室始终包含在训练集中
• 每个动作使用 BCE 进行一对多 (One-vs-rest) 训练
• EMA 衰减 = 0.999
• 带 warmup 的余弦学习率调度
• 在每个 epoch，在验证集上优化每个实验室 - 动作对的阈值，并根据 resulting score 应用早停。

数据增强

• 高斯噪声
• 时间拉伸
• 帧偏移（仅 shift 特征；标签不变）
• 左右身体部位翻转
• Mixup

---

推理

• 滑动窗口推理，步长 = 128
• 我们丢弃两个窗口边界处的 32 帧，并平均剩余预测。
• 翻转测试时增强 (TTA)

---

后处理

阈值处理

1. 最佳阈值独立计算于每个折和每个实验室 × 动作对，最终阈值通过平均特定于折的阈值获得。
2. 对于每一帧，在超过阈值的动作中，选择得分最高的动作

AdaptableSnail 25 FPS 调整

• start_frame 和 stop_frame 乘以 30 / 25
• 当跟踪数据中存在鼠标 ID 交换时，此调整没有意义
• 私有数据集似乎包含没有鼠标 ID 交换的跟踪序列
  • 对于这些序列，预测与 30 FPS 标签对齐
  • 这导致私榜分数提高了 +0.009

---

结果