nyanp / nfl-player-contact-detection Goto Github PK

IoUだと重なっている例が少なすぎるので、x, yの幅が負の場合でも定義できる特徴量を作る。bboxで両者がどれだけ離れているか。

まずは簡単なもので対Gのモデルを作ってみる？
→K_mat CNNができたのでいらないかも

contact=1 == 2人が一体となって動いていることが多いはず。手を伸ばした状態でコンタクトしていると、距離はそこそこあるけど速度や加速度などが同期していたりする？
時系列データの類似度を表現するような信号処理系の特徴量をいろいろやってみる。

キックプレーとかでチーム内のコンタクトとかを見落としているので、どんなプレーになるかを何かしら把握しておく。

ransac とかでプレイスタート時の配置の類似度をうまいこと(?)作って、240x240playの類似度マトリクスを特徴ベクトルとしてクラスタリングとか？

oof集約特徴量が効かなかったので微妙かもしれないが、対Gは数step正例が続くことが普通なので、前後フレームの予測値と平均化する後処理はできるかも。

ヘルメットのbboxが無いとき、

• 動画の画面内にいるけど検出できていない
• 画面外に出ている

のどちらなのかを把握したい。後者ならcontact=1になる可能性は相当低いはず。（特に、SidelineでもEndzoneでも動画外なのであれば、基本的にcontactとアノテーションできないはず）

p2p_registration_featuresの中でtrans_targets (tracking dataの座標を動画側の座標にマッピングしたもの)が計算されているので、これが動画サイズをはみ出しているかどうかを計算すれば出来そう。※ただし、今はヘルメットが検出された選手だけ計算しているので、全選手に対して計算しないとダメっぽい

トラッキングデータ上で選手A-Bの間に別の選手Cがいる場合、A-Bが接触している可能性は低い。
（ただし、折り重なっているような状況ではその限りではなさそう）

groundがゼロだけど予測値は大きいようなplayについては、groundは学習対象から外す。
ただし、oofは計算し、閾値調整には使う。(lgb.Datasetで該当行のweightをゼロにすればよい)