第 19 名 - 使用 WaveNet + GRU 的 4 个身体部位不变特征

从一开始我们就觉得解决这个问题的方法是使用深度学习模型，尽管论坛上几乎没有深度学习解决方案或讨论。

我们的解决方案包括每个实验室的深度学习模型的 K-Fold 集成，该模型是 WaveNet 和 GRU 的组合。

对于每个实验室和折叠，我们训练了：

• 一个用于单个动作的模型和一个用于成对动作的模型（使用 64 帧的窗口大小）。模型由 x3 WaveNet 块 --> x3 GRU 块 --> MLP 组成（代码如下）
• 我们只保留了 4 个身体部位——左耳、右耳、鼻子（在某些实验室中称为头部）和尾巴。
• 模型使用不变特征进行训练，以防止在坐标数据上过拟合。
• 我们使用了简单的高斯噪声增强、少数类上采样和硬负例挖掘。

后处理

我们合并了同一老鼠/成对的相邻动作

推理

使用步长=2 的滑动窗口方法进行预测

集成

最终解决方案是 K=5 和 K=3 的 K-Fold 平均集成（总共 8 个模型）。

无效的方法

• 更多的身体部位
• 每个动作单独建模
• 更多的特征（方向、相对于中心的位置等...）

备注

我们参加竞赛有点晚，本想尝试一个不按实验室训练的“通用”模型，但没有足够时间去尝试。事后看来这是一个错误

希望这份总结清晰易懂，欢迎提问