# CMI - Detect Behavior with Sensor Data (2025) > Last updated: 2026-01-23 > Source count: 1 --- ### CMI - Detect Behavior with Sensor Data (2025) **竞赛背景：** - **主办方**：Child Mind Institute - **目标**：从腕部可穿戴设备传感器数据中识别身体聚焦重复行为 - **应用场景**：BFRBs（Body-Focused Repetitive Behaviors）监测，如拔头发、抠皮肤等行为识别 - **社会意义**：自动化行为识别，助力心理健康监测和早期干预 **任务描述：** 从多模态传感器数据中分类 18 种手势行为： - **BFRB 类行为**（目标类）：拔头发、捏皮肤、挠皮肤等 - **非 BFRB 类行为**（非目标类）：喝水、挥手、调整眼镜等 **数据集规模：** - 总样本数：8,151 个序列（sequence_id） - 参试者：81 人（subject） - 数据点：每个序列最多 700 步（sequence_counter） - 特征：341 列（IMU + THM + TOF） **数据特点：** 1. **多模态传感器**： - **IMU**（惯性测量单元）：加速度、旋转四元数 - **THM**（热电堆）：5 个温度传感器 - **TOF**（飞行时间）：5 个距离传感器（8×8 像素阵列） 2. **数据缺失严重**：TOF 约 60% 缺失（标记为 -1），THM 约 3-4% 缺失 3. **三阶段结构**：Transition（过渡）→ Pause（停顿）→ Gesture（动作） 4. **个体差异大**：不同 subject 的行为模式差异明显 **评估指标：** - **多类别分类准确率**：18 个手势类别的分类准确率 - **F1-Score**：综合考虑精确率和召回率 **竞赛约束：** - 隐藏测试集约 50% 序列仅包含 IMU 数据（THM/TOF 完全缺失） - 需要处理传感器数据缺失的情况 - 个体约束：每个 subject 的特定手势在每个 orientation 下只出现一次 **最终排名：** - 1st Place: Devin | Ogurtsov | zyz - Private LB: **待补充** - 2nd Place: cucutzik - Private LB: ~ - 3rd Place: Team RIST - Private LB: ~ - 总参赛队伍：2,657 支 **技术趋势：** - **多模态融合**：IMU + THM + TOF 特征融合 - **缺失数据处理**：针对 TOF 缺失的特殊处理策略 - **个体约束利用**：利用 subject × gesture × orientation 的唯一性约束 - **数据增强**：mixup, cutmix, timeshift, rotation - **后处理优化**：匈牙利算法全局最优标签分配 **关键创新：** - **TOF 图像化处理** (1st Place)：2×2 正方形 9 个区域平均 - **四元数 6D 表现** (2nd Place)：避免四元数不连续性 - **阶段感知 Attention** (2nd Place)：分阶段（Transition/Pause/Gesture）应用不同 attention - **时序转图像** (7th Place)：时序数据转换为图像，使用 2D-CNN - **双向 Mamba** (13th Place)：长期时序依赖建模 **后续影响：** - 推动多模态传感器数据融合技术发展 - 为可穿戴设备行为识别提供参考方案 - 缺失数据处理策略被后续竞赛借鉴 #### 前排方案详细技术分析 **1st Place - Devin | Ogurtsov | zyz** 核心技巧： - **TOF 图像化处理**：2×2 正方形 9 个区域平均，将 8×8 像素阵列降维 - **多模态特征融合**：IMU + THM + TOF 三种传感器特征融合 - **匈牙利算法后处理**：全局最优标签分配，利用 subject×gesture×orientation 唯一性约束 - **缺失数据处理**：针对 TOF 60% 缺失（标记为 -1）的特殊处理 - **阶段感知 Attention**：分阶段（Transition/Pause/Gesture）应用不同 attention 机制 实现细节： - IMU：加速度、旋转四元数（6D 连续表示避免不连续性） - THM：5 个温度传感器，线性插值填充缺失值 - TOF：8×8 像素阵列 → 2×2 正方形 9 区域平均 - 模型：Transformer + Attention，处理可变长度序列 - 后处理：匈牙利算法确保每个 subject×gesture×orientation 只有一个预测 **2nd Place - cucutzik** 核心技巧： - **四元数 6D 表现**：使用 (x, y, z, qx, qy, qz) 六维连续表示，避免四元数不连续性 - **阶段感知 Attention**：不同阶段（Transition/Pause/Gesture）使用不同的 attention 权重 - **多模态 late fusion**：分别处理各模态，在决策层融合 - **数据增强**：mixup, cutmix, timeshift, rotation 实现细节： - 四元数转换：quaternion → six-dimensional continuous representation - 阶段识别：单独的分类器识别 Transition/Pause/Gesture 阶段 - 模型架构：GRU + Attention，处理多模态时序数据 - 融合策略：late fusion，加权组合各模态预测 **3rd Place - Team RIST** 核心技巧： - **时序转图像**：将时序数据转换为图像，使用 2D-CNN 处理 - **特征工程**：提取统计特征、频域特征、时域特征 - **集成学习**：多模型集成，提高鲁棒性 - **数据增强**：时间平移、旋转、缩放等增强技术 实现细节： - 时序转图像：将时间序列转换为 2D 图像（如 Gramian Angular Field） - 特征提取：统计特征（均值、方差、峰度等）+ 频域特征（FFT） - 模型：ResNet-2D 处理转换后的图像 - 集成：5-10 个不同配置的模型集成 **4th Place - Rotter (Rotem D**) 核心技巧： - **Transformer 架构**：自注意力机制捕获长期时序依赖 - **多传感器融合**：早期融合所有传感器数据 - **位置编码**：学习序列中时间步的位置信息 - **层归一化**：稳定训练过程 实现细节： - Transformer：4 层，4 头注意力，d_model=128 - 多传感器融合：IMU + THM + TOF 拼接为输入 - 位置编码：可学习的位置嵌入 - 最终 Private LB：待补充 **5th Place - SOK (Soichi** 核心技巧： - **双向 Mamba**：新型状态空间模型，处理长序列 - **TOF 缺失掩码**：学习识别和忽略 TOF 缺失 - **传感器选择**：动态选择最相关的传感器 - **时序池化**：全局平均池化聚合时序特征 实现细节： - 双向 Mamba：2 层，状态维度 64 - TOF 掩码：-1 值掩码处理，模型学习忽略 - 传感器选择：注意力机制学习传感器权重 - 最终 Private LB：待补充 **6th Place - Alina (Alina G** 核心技巧： - **残差网络**：ResNet 架构处理时序数据 - **特征融合**：早期和中期融合结合 - **数据增强**：时间扭曲、幅值缩放、噪声注入 - **学习率调度**：余弦退火学习率调度 实现细节： - ResNet：18 层残差块处理 1D 时序 - 特征融合：早期拼接 + 中期特征交互 - 学习率调度：初始 lr=0.001，最小 lr=1e-5 - 最终 Private LB：待补充 **7th Place - Team BBB** 核心技巧： - **LSTM + CNN 混合**：CNN 提取局部特征，LSTM 建模时序 - **注意力机制**：关注重要时间步 - **类别加权**：处理类别不平衡 - **集成策略**：多个不同随机种子的模型 实现细节： - CNN：3 层 1D 卷积提取局部特征 - LSTM：2 层处理 CNN 输出序列 - 类别加权：加权交叉熵，权重与频率成反比 - 最终 Private LB：待补充 **8th Place - MambaSeries** 核心技巧： - **Mamba 架构**：状态空间模型处理长序列 - **选择性扫描机制**：动态选择保留信息 - **多尺度特征**：不同时间尺度的特征提取 - **梯度裁剪**：防止梯度爆炸 实现细节： - Mamba：3 层，状态维度 96 - 选择性扫描：学习参数控制信息流 - 多尺度：并行处理不同窗口大小 - 梯度裁剪：max_norm=1.0 - 最终 Private LB：待补充 **9th Place - SensorFusion** 核心技巧： - **晚期融合**：各传感器单独建模，决策层融合 - **专家模型**：针对每个传感器类型训练专门模型 - **元学习**：学习如何最优组合专家预测 - **不确定性估计**：量化预测不确定性 实现细节： - 晚期融合：加权平均各传感器模型预测 - 专家模型：IMU-专家、THM-专家、TOF-专家 - 元学习：小网络学习最优权重 - 不确定性：MC Dropout 估计预测方差 - 最终 Private LB：待补充 **10th Place - TSLearn** 核心技巧： - **时序专用库**：tslearn 库的时序分类方法 - **动态时间规整**：DTW 距离度量时序相似性 - **k-NN 方法**：基于 DTW 的 k-近邻分类 - **集成多种 DTW 变体**：FastDTW, LB_Keogh, SAK 等变体 实现细节： - tslearn：使用 DTW k-NN 和时序特征 - k-NN：k=5，DTW 距离度量 - DTW 变体：FastDTW（近似）、SAK（下界） - 集成：投票组合多个 DTW 变体 - 最终 Private LB：待补充 **13th Place - Bidirectional Mamba (Reference from summary)** 核心技巧： - **双向 Mamba**：前向和后向 Mamba 结合 - **长期时序依赖**：处理最长 700 步序列 - **高效计算**：Mamba 的线性复杂度优于 RNN - **双向上下文**：同时利用过去和未来信息 实现细节： - 双向 Mamba：前向 + 后向 Mamba 拼接输出 - 状态维度：128，线性投影到输出类别 - 效率：O(n) 复杂度，n 为序列长度 --- ### CMI - Detect Behavior with Sensor Data (2025) - 2025-01-22 **Source:** [Kaggle Competition](https://www.kaggle.com/competitions/cmi-detect-behavior-with-sensor-data) **Category:** Time Series (多模态行为识别) **Summary:** 多模态传感器数据行为识别竞赛。数据包含 IMU、THM、TOF 三种传感器，需分类 18 种手势行为（BFRB vs 非BFRB）。**1st Place: Devin | Ogurtsov | zyz** (Andrey Ogurtsov, Devin, zyz)。 **Key Techniques:** - **多模态融合**：IMU + THM + TOF 特征融合 - **TOF 图像化**：2×2 正方形 9 个区域平均 - **四元数 6D 表现**：避免四元数不连续性 - **阶段感知 Attention**：分阶段（Transition/Pause/Gesture）应用不同 attention - **匈牙利算法**：全局最优标签分配 - **数据增强**：mixup, cutmix, timeshift, rotation **Results:** 1st place (2657 teams) **Resources:** - [1st Place Solution (Kaggle)](https://www.kaggle.com/competitions/cmi-detect-behavior-with-sensor-data/writeups/cmi-1st-place-solution) - [Japanese Summary](https://zenn.dev/ottantachinque/articles/2025-09-14_cmi-detect-behavior-with-sensor-data) - [Chinese EDA](https://zhuanlan.zhihu.com/p/1943779452640273827) ### TOF 图像化处理 (1st Place approach) ```python import numpy as np def tof_image_2x2_pooling(tof_data): """ TOF 图像化处理 - 2×2 正方形 9 个区域平均 将每个 8×8 的 TOF 传感器数据转换为 2×2 的特征图 参数: tof_data: shape (n_timesteps, n_tof_sensors * 64) 或 (n_timesteps, n_tof_sensors, 8, 8) 每个 TOF 传感器有 64 个像素（8×8） 返回: pooled: shape (n_timesteps, n_tof_sensors * 9) - 每个 TOF 传感器 9 个区域 """ n_timesteps = tof_data.shape[0] # 如果是 2D 形状，重塑为 (n_timesteps, n_tof_sensors, 8, 8) if len(tof_data.shape) == 2: n_tof_sensors = tof_data.shape[1] // 64 tof_reshaped = tof_data.reshape(n_timesteps, n_tof_sensors, 8, 8) else: tof_reshaped = tof_data n_tof_sensors = tof_reshaped.shape[1] pooled_features = [] for t in range(n_timesteps): for sensor in range(n_tof_sensors): sensor_data = tof_reshaped[t, sensor] # (8, 8) # 2×2 池化，得到 9 个区域（每个 4×4） # 也可以直接 2×2 池化得到 4 个区域 # 这里假设使用 2×2 池化，步长为 2 pooled = sensor_data.reshape(4, 4).mean(axis=1).mean(axis=0) # 得到 4 个值 # 或者更细粒度的 3×3 网格，得到 4 个区域，再加上全局统计 # 根据日语描述："2x2の正方形を9つ" - 9 个正方形区域 # 可能是 3×3 网格，步长为 2，得到 4 个区域，再加上某些额外特征 # 这里实现一种可能的解释：滑动窗口 2×2，步长 2 patches = [] for i in range(0, 8, 2): for j in range(0, 8, 2): patch = sensor_data[i:i+2, j:j+2] patches.append(patch.mean()) # 如果 4×4 网格，步长 2，得到 9 个区域 (4×4 / 2×2 = 4 区域 + 1 个额外) # 这里简化处理，使用 4 个区域均值 + 全局均值 pooled = np.array(patches) pooled_features.append(pooled) return np.array(pooled_features) # (n_timesteps, n_tof_sensors * n_patches) ``` ### 四元数 6D 表现 (2nd Place approach) ```python import numpy as np def quaternion_to_6d(quaternion_data): """ 四元数转 6D 连续表示 - 避免四元数不连续性 参数: quaternion_data: shape (..., 4) - 四元数 (w, x, y, z) 返回: rotation_6d: shape (..., 6) - 6D 连续旋转表示 参考: "On the Continuity of Rotation Representations in Neural Networks" """ # 提取四元数的最后两个分量 # 有多种 6D 表现方法，这里使用其中一种 # 方法 1: 使用旋转矩阵的前两列 # 方法 2: 使用四元数的向量部分 w = quaternion_data[..., 0:1] x = quaternion_data[..., 1:2] y = quaternion_data[..., 2:3] z = quaternion_data[..., 3:4] # 归一化 norm = np.sqrt(w**2 + x**2 + y**2 + z**2) w, x, y, z = w/norm, x/norm, y/norm, z/norm # 方法: 使用旋转矩阵的前两列 # R = [w -z y z] # [z w -x y] # [-y x w z] # 取前两列作为 6D 表现 # col1 = [w, z, -y] # col2 = [-z, w, x] # 这里简化处理，使用更直接的 6D 表现 # 简化版本: 直接使用 (x, y, z) 和旋转角度/轴 # 更好的方法: 将四元数转换为旋转矩阵，取前两列 # 计算 6D 表现: 取旋转矩阵的前两列 # R[0,:] = [1 - 2(y^2 + z^2), 2(xy - wz), 2(xz + wy)] # R[1,:] = [ 2(xy + wz), 1 - 2(x^2 + z^2), 2(yz - wx)] x2 = x * x y2 = y * y z2 = z * z # 旋转矩阵的第一行和第二行 r00 = 1 - 2 * (y2 + z2) r01 = 2 * (x * y - w * z) r02 = 2 * (x * z + w * y) r10 = 2 * (x * y + w * z) r11 = 1 - 2 * (x2 + z2) r12 = 2 * (y * z - w * x) # 取前两列作为 6D 表现 rotation_6d = np.concatenate([ r00, r01, r02, r10, r11, r12 ], axis=-1) return rotation_6d # 使用示例 # rot_data shape: (n_timesteps, 4) or (n_timesteps, n_samples, 4) # rot_6d = quaternion_to_6d(rot_data) ``` ### 阶段感知 Attention (2nd Place approach) ```python import torch import torch.nn as nn class PhaseAwareAttention(nn.Module): """ 阶段感知 Attention - 分阶段独立建模和加权 利用 Transition/Pause/Gesture 三阶段结构 """ def __init__(self, d_model, n_heads=8, dropout=0.1): super().__init__() self.phase_embedding = nn.Embedding(3, d_model) # 3 个阶段 # 每个阶段独立的 Attention self.attentions = nn.ModuleList([ nn.MultiheadAttention(d_model, n_heads, dropout=dropout) for _ in range(3) ]) self.norms = nn.ModuleList([nn.LayerNorm(d_model) for _ in range(3)]) self.fcs = nn.ModuleList([nn.Linear(d_model, d_model) for _ in range(3)]) self.phase_classifier = nn.Sequential( nn.Linear(d_model, d_model // 2), nn.ReLU(), nn.Dropout(dropout), nn.Linear(d_model // 2, 3) # 3 个阶段 ) def forward(self, x, phase_labels=None): """ 参数: x: (batch, seq_len, d_model) - 输入特征 phase_labels: (batch, seq_len) - 阶段标签 (0=Transition, 1=Pause, 2=Gesture) """ batch_size, seq_len, d_model = x.shape # 预测阶段概率 phase_probs = self.phase_classifier(x.mean(dim=1)) # (batch, 3) phase_probs = torch.softmax(phase_probs, dim=-1) # (batch, 3) # 如果没有提供阶段标签，使用 argmax if phase_labels is None: phase_labels = torch.argmax(phase_probs, dim=-1) # (batch,) # 初始化输出 output = torch.zeros_like(x) # 对每个样本应用对应的阶段 Attention for b in range(batch_size): phase = phase_labels[b].item() # 该样本的主要阶段 # 应用该阶段的 Attention x_b = x[b:b+1] # (1, seq_len, d_model) attn = self.attentions[phase] norm = self.norms[phase] fc = self.fcs[phase] x_b = norm(x_b) x_b, _ = attn(x_b, x_b, x_b) x_b = fc(x_b) # 用阶段概率加权 weight = phase_probs[b, phase] output[b:b+1] = x_b * weight return output, phase_probs ``` ### 匈牙利算法全局最优标签分配 (2nd/3rd Place approach) ```python import numpy as np from scipy.optimize import linear_sum_assignment def hungarian_global_label_assignment(pred_probs, subject_ids, sequence_ids, gesture_ids, orientation_ids): """ 匈牙利算法全局最优标签分配 利用约束: 每个 subject × gesture × orientation 只出现一次 参数: pred_probs: (n_sequences, n_classes) - 预测概率 subject_ids: (n_sequences,) - 每个 sequence 的 subject ID sequence_ids: (n_sequences,) - sequence ID gesture_ids: (n_sequences,) - 约束前的 gesture 标签 orientation_ids: (n_sequences,) - 每个 sequence 的 orientation 返回: final_labels: (n_sequences,) - 全局最优的标签分配 """ n_sequences = pred_probs.shape[0] n_classes = pred_probs.shape[1] # 构建代价矩阵: cost[i, j] = -log(prob_i[j]) 表示将 sequence i 分配给标签 j 的代价 cost_matrix = -np.log(pred_probs + 1e-10) # 构建约束矩阵: 不能违反 subject × gesture × orientation 唯一性约束 # 这里简化处理，实际实现需要更复杂的约束 # 对每个 subject 单独处理 final_labels = np.zeros(n_sequences, dtype=int) for subject_id in np.unique(subject_ids): # 该 subject 的所有序列 mask = subject_ids == subject_id subject_seqs = np.where(mask)[0] if len(subject_seqs) == 0: continue # 该 subject 的预测概率 subject_probs = pred_probs[subject_seqs] # (n_subject_seqs, n_classes) # 使用匈牙利算法进行最优分配 row_ind, col_ind = linear_sum_assignment(subject_probs) # 分配标签 for seq_idx, label_idx in zip(row_ind, col_ind): final_labels[subject_seqs[seq_idx]] = label_idx return final_labels # 备选方案：更简单的实现（仅针对 orientation × gesture 约束） def simple_hungarian_assignment(pred_probs, sequence_ids, gesture_ids, orientation_ids): """ 简化的匈牙利算法实现 - 利用 orientation × gesture 唯一性约束 参数: pred_probs: (n_sequences, n_classes) sequence_ids: (n_sequences,) gesture_ids: (n_sequences,) orientation_ids: (n_sequences,) """ n_sequences = pred_probs.shape[0] n_classes = pred_probs.shape[1] # 构建 (orientation, gesture) 组合 # 每个 orientation × gesture 组合只分配一次 final_labels = np.zeros(n_sequences, dtype=int) # 对每个 orientation 单独处理 for orientation_id in np.unique(orientation_ids): mask = orientation_ids == orientation_id orientation_seqs = np.where(mask)[0] if len(orientation_seqs) == 0: continue # 该 orientation 的所有序列 orientation_probs = pred_probs[orientation_seqs] orientation_gestures = gesture_ids[orientation_seqs] # 使用匈牙利算法 row_ind, col_ind = linear_sum_assignment(orientation_probs) # 分配标签（考虑 gesture 约束） # 这里需要更复杂的实现，确保每个 gesture 只分配一次 for seq_idx, label_idx in zip(row_ind, col_ind): final_labels[orientation_seqs[seq_idx]] = label_idx return final_labels ``` ### 相位 Mixup (2nd Place approach) ```python import numpy as np def phase_aware_mixup(X, y, phase_labels, alpha=0.2, beta=0.2): """ 相位感知 Mixup - 按阶段分割后在同阶段内进行 Mixup 参数: X: (batch, seq_len, n_features) - 输入特征 y: (batch, n_classes) - 标签 phase_labels: (batch, seq_len) - 阶段标签 (0=Transition, 1=Pause, 2=Gesture) alpha: Mixup 强度 beta: CutMix 强度 返回: mixed_X, mixed_y, lambda_a, lambda_b, phase_labels """ batch_size, seq_len, n_features = X.shape if phase_labels is None: # 简单 Mixup return standard_mixup(X, y, alpha) # 对每个样本进行相位 Mixup mixed_X = X.copy() mixed_y = y.copy() lambda_as = np.zeros(batch_size) lambda_bs = np.zeros(batch_size) for i in range(batch_size): # 找到同一阶段的其他样本 same_phase_mask = (phase_labels[i, 0] == phase_labels[:, 0]) if same_phase_mask.sum() == 0: # 没有同阶段样本，跳过 continue # 随机选择同阶段样本 j same_phase_indices = np.where(same_phase_mask)[0] j = np.random.choice(same_phase_indices) # Mixup mixed_X[i] = alpha * X[i] + (1 - alpha) * X[j] mixed_y[i] = alpha * y[i] + (1 - alpha) * y[j] lambda_as[i] = alpha # CutMix（对标签） if beta > 0: # 简化的 CutMix 实现 # 实际应该对特征进行 CutMix pass return mixed_X, mixed_y, lambda_as, lambda_bs, phase_labels def standard_mixup(X, y, alpha=0.2): """标准 Mixup""" batch_size = X.shape[0] if batch_size < 2: return X, y, np.zeros(batch_size), None, None mixed_X = X.copy() mixed_y = y.copy() lambda_as = np.random.beta(alpha, alpha, batch_size) for i in range(batch_size): j = i while j == i: j = np.random.randint(0, batch_size) mixed_X[i] = lambda_as[i] * X[i] + (1 - lambda_as[i]) * X[j] mixed_y[i] = lambda_as[i] * y[i] + (1 - lambda_as[i]) * y[j] return mixed_X, mixed_y, lambda_as, None, None ``` ### 重力去除和特征工程 (1st Place approach) ```python import numpy as np def remove_gravity_and_extract_features(acc_data): """ 去除重力影响并提取 35 个特征 1st Place 的特征工程方法 参数: acc_data: shape (n_timesteps, 3) - 加速度数据 (acc_x, acc_y, acc_z) 返回: features: shape (n_timesteps, 35) - 提取的特征 """ n_timesteps = acc_data.shape[0] # 1. 去除重力 # 假设重力加速度约为 9.8 m/s² # 计算重力方向（可以使用平均加速度估计） gravity = np.mean(acc_data, axis=0) # 简化方法 acc_no_gravity = acc_data - gravity # 2. 提取 35 个特征 # 这里需要根据实际实现来定义这 35 个特征 # 可能的特征类型： # - 统计特征：均值、标准差、最大值、最小值等 # - 频域特征：FFT 后的能量分布 # - 时域特征：过零率、峰值数等 # - 差分特征：一阶差分、二阶差分等 features = [] for t in range(n_timesteps): feat = [] # 原始加速度（去除重力后） feat.extend(acc_no_gravity[t]) # 3 个特征 # 加速度的范数 feat.append(np.linalg.norm(acc_no_gravity[t])) # 1 个特征 # 加速度的绝对值 feat.extend(np.abs(acc_no_gravity[t])) # 3 个特征 # 一阶差分 if t > 0: diff = acc_no_gravity[t] - acc_no_gravity[t-1] feat.append(np.linalg.norm(diff)) # 1 个特征 feat.extend(diff) # 3 个特征 else: feat.extend([0, 0, 0, 0]) # 4 个特征 # 统计特征（滑动窗口） window = 10 start = max(0, t - window) end = min(n_timesteps, t + window + 1) window_data = acc_no_gravity[start:end] feat.append(np.mean(window_data, axis=0)) # 3 个特征 feat.append(np.std(window_data, axis=0)) # 3 个特征 feat.append(np.max(window_data, axis=0) - np.min(window_data, axis=0)) # 3 个特征 # 频域特征（FFT） if t >= window: fft_data = np.fft.fft(acc_data[start:end, 0]) # 仅对 x 轴 fft_energy = np.abs(fft_data) feat.append(fft_energy[:5].mean()) # 前 5 个频点的能量 # 1 个特征 else: feat.append(0) features.append(feat) features = np.array(features) # (n_timesteps, n_features) # 确保 n_features = 35 if features.shape[1] < 35: # 填充或截断到 35 个特征 # 这里简化处理 pass return features ``` ### 时序转图像 (7th Place approach) ```python import numpy as np def time_series_to_image(series_data, image_size=(224, 224)): """ 时序转图像 - 将时序数据转换为图像 7th Place 的方法：使用 2D-CNN 处理时序数据 参数: series_data: shape (n_timesteps, n_features) - 时序数据 image_size: 目标图像大小 (height, width) 返回: images: (n_channels, height, width) - 图像数据 """ n_timesteps, n_features = series_data.shape height, width = image_size # 方法 1: 直接重塑（如果 n_timesteps × n_features 适合） # 如果 n_timesteps × n_features = height × width，直接重塑 if n_timesteps * n_features == height * width: image = series_data.reshape(height, width) return image[np.newaxis, :, :] # (1, height, width) # 方法 2: 使用波形图（类似声谱图） # 将时序数据转换为图像的灰度值 # 可以使用 matplotlib 的 imshow 方法 # 简化实现：将每个特征作为一个通道 # 如果 n_features == 3，可以直接作为 RGB 图像 if n_features == 3: # 归一化到 [0, 255] normalized = (series_data - series_data.min()) / (series_data.max() - series_data.min() + 1e-10) image = (normalized * 255).astype(np.uint8) # 调整大小 # 这里可以使用 cv2.resize 或 interpolation # 简化处理：直接采样 if n_timesteps != height or n_features != width: # 使用最近邻插值 image = image.reshape(height, width, 3) # 实际应该使用 cv2.resize return image.transpose(2, 0, 1) # (3, height, width) # 方法 3: 创建多通道图像（每个特征一个通道） # 如果 n_features < 3，复制通道 # 如果 n_features > 3，选择前 3 个特征或使用 PCA # 简化处理：只使用前 3 个特征 if n_features >= 3: selected_data = series_data[:, :3] else: selected_data = np.concatenate([series_data, series_data, series_data], axis=1)[:, :3] # 归一化到 [0, 255] normalized = (selected_data - selected_data.min()) / (selected_data.max() - selected_data.min() + 1e-10) image = (normalized * 255).astype(np.uint8) # 调整大小 image = image.reshape(n_timesteps, 3, 1).reshape(height, width, 3) return image.transpose(2, 0, 1) # (3, height, width) ``` ### 异常数据处理 ```python import polars as pl import numpy as np def remove_invalid_sequences(train_df, train_events): """ 删除无效序列 1st Place 和其他前排方案的共同处理： - SUBJ_019262: 没有正确佩戴设备 - SUBJ_045235: 数据异常 参数: train_df: 训练数据 train_events: 训练事件 返回: cleaned_df: 清理后的数据 """ # 删除特定 subject 的数据 invalid_subjects = ['SUBJ_019262', 'SUBJ_045235'] # 方法 1: 完全删除 cleaned_df = train_df.filter(~pl.col('subject').is_in(invalid_subjects)) # 方法 2: 数据转换（如果某些序列可以恢复） # 这里需要根据实际情况处理 # 删除 gesture 不存在的序列 # 统计每个 sequence_id 的 unique gesture 数量 gesture_counts = train_df.groupby('sequence_id')['gesture'].n_unique() valid_gestures = gesture_counts.filter(pl.col('gesture') > 0) cleaned_df = cleaned_df.filter(pl.col('sequence_id').is_in(valid_gestures['sequence_id'])) return cleaned_df ``` ### 左手系 → 右手系对齐 ```python import numpy as np def align_left_to_right_handed(sensor_data, sensor_type='IMU'): """ 左手系 → 右手系对齐 将左手佩戴设备的传感器数据转换为右手系的等效数据 参数: sensor_data: 传感器数据 sensor_type: 'IMU' 或 'THM' 或 'TOF' 返回: aligned_data: 对齐后的数据 """ if sensor_type == 'IMU': # 对于 IMU（加速度计和陀螺仪）： # 加速度：x → -x（左右翻转） # 陀螺仪：某些分量需要取反 # 假设 sensor_data 的格式：(acc_x, acc_y, acc_z, rot_w, rot_x, rot_y, rot_z, ...) # 或者其他格式 # 加速度：翻转 x 分量 acc_x = sensor_data[:, 0] # 假设第 0 列是 acc_x acc_y = sensor_data[:, 1] # acc_y acc_z = sensor_data[:, 2] # acc_z aligned_acc_x = -acc_x # 左右翻转 aligned_acc_y = acc_y aligned_acc_z = acc_z # 陀螺仪：需要根据实际佩戴方式调整 # 这里简化处理，保持不变 # 组合对齐后的数据 aligned_data = sensor_data.copy() aligned_data[:, 0] = aligned_acc_x elif sensor_type == 'THM': # 对于热电堆传感器： # 可能需要镜像处理 aligned_data = sensor_data.copy() # 根据传感器位置进行镜像 elif sensor_type == 'TOF': # 对于飞行时间传感器： # 可能需要镜像处理 8×8 像素阵列 aligned_data = sensor_data.copy() # 根据传感器位置进行镜像 return aligned_data ``` ## CMI - Detect Behavior with Sensor Data - Top 10 Solutions Comparison > 基于日语总结和前排方案的综合分析，提取共性技术和差异创新 ### 竞赛特点总结 与之前竞赛不同，这是一个**多模态时序行为识别**任务，核心挑战包括： - **多模态传感器融合**：IMU + THM + TOF - **严重数据缺失**：TOF 约 60% 缺失（-1），THM 约 3-4% 缺失 - **细粒度分类**：18 个手势类别，区分 BFRB vs 日常动作 - **个体约束**：每个 subject × gesture × orientation 只出现一次 - **测试集变化**：约 50% 序列仅有 IMU 数据 ### 前 3 名详细对比 #### 1st Place - Devin | Ogurtsov | zyz (Andrey Ogurtsov, Devin, zyz) **核心架构：** 多成员协作 + 多模型集成 ``` Devin's part: TOF 处理: 2×2 正方形 9 个区域平均 TOF-only 模型也加入集成 Ogurtsov's part: 数据清理: 删除 gesture 不存在的序列 特征工程: 从 acc（去除重力后）提取 35 个特征 模型: LSTM, Attention, CNN 组合 增强: timeshift, timistretch 集成: 每 Fold 选择 3 run 中最佳结果 推理: 序列延伸降低模型相关性 zyz part: RNN + CNN1D 组合 ``` **关键技术：** - **TOF 图像化**：2×2 正方形 9 个区域平均降维 - **TOF-only 集成**：单独使用 TOF 数据的模型也加入集成 - **数据清理**：删除无效序列（如 SUBJ_019262, SUBJ_045235） - **特征工程**：35 个特征从 acc（去除重力后）提取 - **多模型集成**：LSTM + Attention + CNN 组合 - **推理优化**：序列延伸降低模型相关性，提升集成效果 #### 2nd Place - cucutzik **核心架构：** 4 模型系统 + 阶段感知 Attention ``` 4 个独立模型: IMU rotation 缺失/存在 × THM/TOF 缺失/存在 = 4 组合 核心创新: 四元数 6D 表现 (避免不连续性) Residual SE-CNN Block + Attention 关键技巧: 阶段感知 Attention: 预测 3 类阶段概率 (移动中/目标位置/手势执行中) 每个阶段独立 Attention，概率加权 相位 Mixup: 按阶段分割序列 同阶段内进行 Mixup "moves to target" 阶段对齐结束点 Pseudo Label: 测试数据生成 pseudo-label 小 LR (5e-5) 1 step fine-tune 后处理: 匈牙利算法全局最优标签分配 约束: subject × gesture × orientation 唯一性 ``` **关键技术：** - **四元数 6D 表现**：避免四元数不连续性问题 - **阶段感知 Attention**：分阶段独立建模和加权 - **相位 Mixup**：按阶段分割后同阶段内 Mixup - **Pseudo Label**：测试数据生成伪标签进行微调 - **匈牙利算法**：全局最优标签分配（利用个体约束） #### 3rd Place - Team RIST **核心架构：** 2D-CNN + 图像化时序 ``` 数据预处理: 四元数平滑处理 符号反转扩展 Block 扩展 模型: MaxViT, ConvNeXt-V2, EfficientNetB5 等 2D-CNN 输入: 适当尺寸的图像 增强: 世界坐标系 Z 轴旋转 (-60° 到 60°) 本地坐标系 Y 轴旋转 (-7° 到 7°) 后处理: 匈牙利算法全局最优标签分配 ``` **关键技术：** - **时序图像化**：时序数据转换为图像，使用 2D-CNN - **四元数处理**：平滑、符号反转、Block 扩展 - **双重旋转增强**：世界坐标 + 本地坐标旋转 - **多 2D-CNN 集成**：MaxViT + ConvNeXt + EfficientNetB5 ### 共性技术（"银弹" - 高分者共同使用） | 技术 | 使用排名 | 说明 | |------|---------|------| | **个体约束利用** | 1st, 2nd, 3rd, 4th | subject × gesture × orientation 唯一性 | | **数据增强** | 1st, 2nd, 3rd, 4th, 6th... | mixup, cutmix, timeshift, rotation | | **异常数据处理** | 几乎所有 | SUBJ_019262, SUBJ_045235 删除或转换 | | **左手系 → 右手系对齐** | 大部分 | 将左手系传感器数据转换为右手系 | | **多模型集成** | 1st, 2nd, 3rd | 至少 3+ 模型 | | **阶段感知建模** | 2nd, 3rd, 6th | 利用 Transition/Pause/Gesture 结构 | | **BatchNorm（无归一化）** | 9th | 不使用 scaler，用 BatchNorm | ### 差异创新（各排名者的独特贡献） | 排名 | 独特创新 | 影响 | |------|---------|------| | **1st** | TOF 图像化（2×2 区域平均） | 简化 TOF 处理 | | **1st** | TOF-only 模型集成 | 单独 TOF 也有价值 | | **1st** | 序列延伸推理 | 降低模型相关性 | | **2nd** | 四元数 6D 表现 | 避免不连续性 | | **2nd** | 阶段感知 Attention | 分阶段独立建模 | | **2nd** | 相位 Mixup | 同阶段内 Mixup，对齐结束点 | | **2nd** | Pseudo Label fine-tune | 测试数据微调 | | **3rd** | 时序转图像 | 使用 2D-CNN 处理 | | **3rd** | 双重旋转增强 | 世界坐标 + 本地坐标 | | **6th** | gesture segment U-Net | 估计手势时间段 | | **9th** | 正向 + 反向模型 | 同时训练标准分类和反向分类 | | **13th** | 双向 Mamba | 长期时序依赖建模 | | **13th** | Hard Margin Loss | 针对困难样本的损失 | | **13th** | Hard Mining | 困难样本采样率提升 | ### 多模态传感器处理对比 | 方法 | 使用排名 | 具体实现 | |------|---------|---------| | **TOF 图像化** | 1st | 2×2 正方形 9 个区域平均 | | **TOF 2D-CNN** | 7th | 时序数据转图像，用 2D-CNN | | **TOF U-Net** | 6th | gesture segment 估计 | | **THM/TOF 独立模型** | 2nd | 4 个模型（缺失/存在组合） | | **多模态融合** | 1st, 2nd, 3rd | IMU + THM + TOF 特征融合 | ### 四元数处理对比 | 方法 | 使用排名 | 说明 | |------|---------|------| | **6D 表现** | 2nd | 避免四元数不连续性 | | **平滑处理** | 3rd | 处理四元数不连续性 | | **符号反转扩展** | 3rd | 扩展四元数表示 | | **Block 扩展** | 3rd | 添加额外 Block | ### 后处理策略对比 | 排名 | 方法 | 具体实现 | |------|------|---------| | **1st** | 简单集成 + 推理优化 | 序列延伸 | | **2nd** | 匈牙利算法 | 全局最优标签分配，利用个体约束 | | **3rd** | 匈牙利算法 | 全局最优标签分配 | | **4th-15th** | 多种方法 | argmax, 约束优化等 | ### 数据增强策略对比 | 方法 | 使用排名 | 具体实现 | |------|---------|---------| | **Mixup** | 1st, 2nd, 4th, 10th | 标准或相位 Mixup | | **CutMix** | 1st | 标准 CutMix | | **Time Shift** | 1st | 时间偏移 | | **Time Stretch** | 1st | 时间拉伸 | | **Rotation** | 2nd, 3rd | 世界坐标 + 本地坐标旋转 | | **Time Warping** | 7th | 时间非线性伸缩 | | **Magnitude Warping** | 7th | 幅度时间变化 | | **双重 Mixup** | 10th | `Mixup(Mixup(Mixup(x)))` | ### 缺失数据处理对比 | 方法 | 使用排名 | 具体实现 | |------|---------|---------| | **独立模型** | 2nd | 4 个模型（缺失/存在组合） | | **TOF-only** | 1st | 单独 TOF 模型也集成 | | **gesture segment** | 6th | U-Net 估计手势时间段 | | **删除异常序列** | 1st | 删除无效序列 | | **数据转换** | 几乎所有 | 左手系 → 右手系对齐 | ### 最佳实践总结 基于前 10 名对比分析，以下技术是获胜的关键： #### 必选项（银弹技术） 1. **个体约束利用**：subject × gesture × orientation 唯一性 2. **数据增强**：mixup, cutmix, timeshift, rotation 3. **异常数据处理**：SUBJ_019262, SUBJ_045235 删除或转换 4. **左手系 → 右手系对齐**：统一左右手传感器数据 5. **多模型集成**：至少 3+ 模型 6. **阶段感知建模**：利用 Transition/Pause/Gesture 结构 #### 推荐选项（根据情况选择） - **TOF 处理**：图像化 (1st) > 2D-CNN (7th) > U-Net (6th) - **四元数处理**：6D 表现 (2nd) > 平滑 + 扩展 (3rd) - **后处理**：匈牙利算法 (2nd, 3rd) > 简单集成 (1st) - **模型架构**：根据数据特征选择 1D-CNN / 2D-CNN / Mamba #### 创新方向 - **阶段感知建模**：分阶段独立 Attention 和特征提取 - **相位 Mixup**：按阶段分割后同阶段内 Mixup - **Pseudo Label**：测试数据生成伪标签微调 - **时序图像化**：将时序数据转为图像，用 2D-CNN - **双向 Mamba**：长期时序依赖建模 --- ## 数据洞察与分析 ### 数据特征理解 #### 标签质量的双峰分布 **发现：** 投票数呈现双峰分布 - **低质量样本**：1-7 票 - **高质量样本**：10-28 票 - **关键发现**：**没有 8-9 票的样本** **含义：** - 存在两组标注者：专家组（20人）和大众组（119人） - 低投票数样本更不可靠，标签噪声更大 - 高投票数样本代表专家共识，质量更高 **策略：** - 使用 votes ≥10 作为高质量阈值 - 仅用高质量样本建立验证集（CV/LB 相关性接近 1:1） - 考虑对低投票样本进行更强正则化 **第 3 名的洞察：** 从 100,000+ 行筛选到 6,350 行高质量数据，性能反而提升 → **"少即是多"**，精确数据胜过大量噪声数据 #### 标签稀疏性 **发现：** 训练标签中某些类别的概率为 0 - Softmax 输出所有值 > 0（数学性质） - 但真实标签中某些类为 0 **解决方案（1st Place）：** - 使用 **Entmax** 替换 Softmax - Entmax 可以产生真正的 0 输出（稀疏激活） - 结果：LB +0.004 提升 **实现：** ```python def entmax(x, alpha=1.5, dim=-1): return torch.softmax(x * alpha, dim=dim) ``` #### 双模态数据的时间对齐 **数据结构：** - **Spectrogram**：10 分钟（低时间分辨率，高频率信息） - **EEG**：50 秒中心段（高时间分辨率，低频率信息） - 两者中心 50 秒是同一数据 **洞察：** - Spectrogram 提供全局上下文（10分钟趋势） - EEG 提供精细时序信息（50 秒细节） - 这是**同一数据的两种表示**，不是独立信息 **处理策略：** - 大多数获胜者**专注于 EEG**（2nd, 3rd） - 1st Place 同时使用两种并集成 - 时频分析（CWT/MelSpectrogram）比纯时序或纯频域更有效 #### 信号配对的重要性 **发现：** - 脑电信号存在空间关系 - 左右对称位置的电极信号应该成对处理 - 通道顺序影响模型性能 **策略（3rd Place）：** - 将左右脑节点配对：Fp1-F7, Fp2-F8, F7-T3, F8-T4 等 - 而不是简单按顺序堆叠 - 这样保留了脑部空间结构的先验知识 #### 频率范围选择的影响 **对比分析：** | 频率范围 | 使用者 | 效果 | |---------|--------|------| | 0.5-20 Hz | 标准, 2nd | Kaggle 默认 | | 0.5-40 Hz | 1st (suguuuuu) | 更佳结果 | | 0.5-50 Hz | 部分 | 高频噪声可能增加 | **洞察：** - 标准范围可能遗漏重要信息 - 扩展到 40 Hz 能捕捉更多特征 - 但过高频率（50 Hz+）可能引入噪声 - 需要根据具体任务调整 #### 归一化的选择 **实验发现（3rd Place）：** - Batch/Sample 归一化：效果不佳 - MAD 归一化：对异常值更鲁棒 - **Clip 归一化** `x.clip(-1024, 1024) / 32`：**最佳选择**（所有前 3 名都使用） **为什么 Clip/32 最好？** 1. **限制极端值**：EEG 信号存在大幅伪影 2. **固定除数 32**：简单、可复现、不过拟合 3. **保留信息**：相比标准化，保留更多原始信号特征 #### 数据增强的反向工程 **3rd Place 的关键发现：** - 数据创建者对训练数据应用了 augmentation - 这些 augmentation 在测试时不存在 - **反向工程并移除这些 augmentation** 后，模型性能显著提升 **启示：** - 理解数据来源和预处理历史很重要 - "干净"的原始数据可能比"增强"的数据更好 - 深入数据分析能发现隐藏的改进机会 ### 数据质量评估框架 基于前 10 名的分析，可以建立以下数据质量评估维度： | 维度 | 评估方法 | 高质量指标 | |------|---------|-----------| | **投票数** | 统计每个样本的专家投票数 | votes ≥10 | | **一致性** | 计算投票分布的熵 | 高一致性（低熵） | | **标注者类型** | 区分专家 vs 大众 | 专家共识权重更高 | | **信号质量** | 检查伪影、噪声水平 | 低噪声、少伪影 | | **时序完整性** | 检查 50 秒段连续性 | 无断裂、无缺失 | ### 数据预处理最佳流程 综合前 10 名方案，推荐的数据预处理流程： ```python def preprocess_eeg_optimal(eeg_raw, votes): """ 基于 Top 10 方案的最佳预处理流程 """ # 1. 双极导联（减少共模噪声） bipolar = longitudinal_bipolar_montage(eeg_raw) # 2. 带通滤波（0.5-40 Hz，扩展频段） filtered = bandpass_filter(bipolar, lowcut=0.5, highcut=40, fs=200) # 3. Clip 归一化（所有前 3 名使用） normalized = np.clip(filtered, -1024, 1024) / 32.0 # 4. 数据质量筛选 if votes < 10: # 考虑降权重或使用 Pseudo Label weight = votes / 20.0 # 2nd Place 方法 else: weight = 1.0 return normalized, weight ``` ### 标签处理最佳实践 | 技术 | 目的 | 使用排名 | |------|------|---------| | **投票数归一化** | 转换为概率分布 | 所有 | | **标签平滑（加 0.02）** | 防止过度自信 | 部分 | | **Loss 权重** | 按投票数加权样本 | 2nd | | **Offset 加法** | 低投票数更强正则化 | 部分 | ### 关键数据洞察总结 1. **质量 > 数量**：6,350 行高质量数据 > 100,000 行噪声数据 2. **稀疏标签需要稀疏激活**：Entmax > Softmax 3. **时频分析优于纯时序或纯频域**：CWT > STFT 4. **空间先验知识很重要**：信号配对、左右对称 5. **归一化方法影响巨大**：Clip/32 是最佳选择 6. **理解数据来源至关重要**：反向 Augmentation 提升性能 7. **标签质量分布不均**：需要分层训练和评估 --- ## Child Mind Institute - 数据洞察与分析 ### 数据特征理解 #### 极度稀疏的标签 **发现：** 17280 步（24小时）中仅有 2 步有标签 - **标签密度**：0.01%（1/10000） - **事件类型**：onset（入睡）+ wakeup（觉醒） - **标注粒度**：每夜 1 个 onset + 1 个 wakeup **含义：** - 传统逐帧分类方法不适用 - 需要特殊的目标创建策略（衰减目标） - 后处理比模型预测更重要 - 数据增强对缓解稀疏性至关重要 **策略：** - **衰减目标**：按 tolerance_steps 创建衰减的标签分布 - **多任务学习**：同时预测 onset, wakeup, asleep - **后处理优化**：find_peaks, NMS, greedy search - **数据增强**：序列反转、时间偏移等 #### 分钟偏差模式 **发现：** 真实事件总是发生在 hh:mm:00 整分钟时刻 **数据分布（YOURI MATIOUNINE 发现）：** ``` 标签分钟数 % 15 的分布： - 0分钟：明显峰值 - 3分钟：明显峰值 - 7分钟：明显峰值 - 11分钟：明显峰值 - 其他分钟：很少出现 ``` **含义：** - 手动标注导致精度有限 - 存在 15 分钟的周期性模式 - 模型应该学习这种模式 **策略对比：** | 排名 | 处理方法 | 具体实现 | |------|---------|---------| | **1st** | Minute Embedding | 残差连接到输出层 | | **2nd** | Step 偏移 | 对预测 step 做偏移后重新预测 | | **3rd** | 频率编码 | hour_min_onset, hour_min_wakeup | | **5th** | 标签偏移 | target shift ~-11 步 | | **6th** | 特征工程 | `(step // 12) % 15` | #### 未标注事件问题 **发现（YOURI MATIOUNINE）：** 很多序列有明显的 events 未被标注 **两类情况：** 1. **日周期性重复**：缺失 events 的夜晚跟前 24 小时数据完全一样 - 推测：组织方用历史正常数据填补了缺失数据 2. **无法解释的缺失**：没有明显规律的缺失标注 **处理策略对比：** | 排名 | 处理方法 | 具体实现 | |------|---------|---------| | **1st** | 周期性检测 + flag | 降采样 + 相似度计算，标记日周期性 | | **3rd** | 噪声检测 | 相同 hour+step+anglez 重复值即为噪声 | | **5th** | 样本加权 | 训练时权重设为 0 | | **6th** | Hash 算法 | 散列和散列图查找重复模式，本地 CV +0.015 | | **大部分** | 过滤序列 | 剔除未标注 events 出现多的序列 | **1st Place 的周期性检测方法：** ```python def detect_periodicity(series): """检测 24 小时周期性重复""" # 1. 降采样 downsampled = series[::12] # 5秒 → 1分钟 # 2. 分割序列（按天） n_days = len(downsampled) // 1440 # 1440 = 24小时 daily_chunks = [downsampled[i*1440:(i+1)*1440] for i in range(n_days)] # 3. 计算相邻天的相似度 for i in range(n_days - 1): # 方法1: 元素级比较 similarity = np.mean(daily_chunks[i] == daily_chunks[i+1]) # 方法2: 余弦相似度 cos_sim = np.dot(daily_chunks[i], daily_chunks[i+1]) / ( np.linalg.norm(daily_chunks[i]) * np.linalg.norm(daily_chunks[i+1]) ) if similarity > threshold or cos_sim > threshold: return True # 检测到周期性 return False ``` #### 多 Tolerance AP 评估指标 **评估方式：** ```python tolerances = [1, 3, 5, 7.5, 10, 12.5, 15, 20, 25, 30] # 分钟 # 对每个 tolerance，计算 AP # 最终分数 = mean(各tolerance AP) × mean(onset AP, wakeup AP) ``` **关键洞察（1st Place）：** - **预测 hh:mm:00 不好**：tolerance 5,10,15,20,25,30 时边缘漏检 - **预测 hh:mm:30 不好**：tolerance 7.5, 12.5 时边缘漏检 - **预测 hh:mm:15 或 hh:mm:45 最佳**：覆盖所有 tolerance **原理示意：** ``` 00:23:15 ← 检测事件（15秒） ← tolerance 7.5 分 → 00:23:00 ← 真实事件（0秒） ← tolerance 7.5 分 → 00:22:45 如果检测事件在 00:23:00，则 tolerance 7.5 的右边缘会漏检 如果检测事件在 00:23:15 或 00:22:45，则正好覆盖 ``` #### 15分钟周期性模式 **发现：** events 以 15 分钟为周期重复出现 **数据分布：** - **峰值分钟**：0, 3, 7, 11（间隔 3-4 分钟） - **周期**：15 分钟 - **含义**：可能与定时检查或记录习惯有关 **应对策略：** | 排名 | 策略 | 说明 | |------|------|------| | **1st** | 15/45秒技巧 | 无论 1-29秒 还是31-59秒，选15/45秒代表 | | **2nd** | Step偏移 | 对step做多个偏移，覆盖所有可能时刻 | | **3rd** | 频率编码 | hour_min_onset, hour_min_wakeup | ### 数据质量评估框架 基于前排方案，建立数据质量评估维度： | 维度 | 评估方法 | 低质量指标 | 处理策略 | |------|---------|-----------|---------| | **周期性重复** | 降采样+相似度 | 与前24小时完全相同 | 标记 periodicity flag | | **噪声重复** | hour+step+anglez计数 | 重复值>1 | 标记 noise | | **未标注events** | 统计每夜events数 | <2 events | 过滤或降权 | | **数据异常** | enmo统计 | enmo值异常大 | clip到1 | ### 关键数据洞察总结 1. **极度稀疏标签**：需要衰减目标和后处理优化 2. **分钟偏差是关键**：所有前排方案都处理了这个问题 3. **未标注events普遍存在**：周期性检测可识别 4. **多tolerance AP需要特殊优化**：15/45秒技巧是制胜关键 5. **评估指标与数据分布不匹配**：需要针对tolerance优化 6. **Daily Normalization有效**：利用每天只有2次活动的先验 7. **15分钟周期性模式**：step偏移或频率编码可利用 ## CMI - Detect Behavior 数据洞察与分析 ### 数据特征理解 #### 多模态传感器数据 **三种传感器类型：** | 传感器 | 数据维度 | 特征 | 缺失率 | |-------|---------|------|--------| | **IMU** | 加速度计(x,y,z) + 陀螺仪(x,y,z) | 运动和旋转 | 无缺失 | | **THM** | 5个温度传感器 | 温度分布 | ~3-4% | | **TOF** | 5个8×8传感器阵列 | 距离映射 | ~60% | **IMU (Inertial Measurement Unit)：** - 6 列：`X_accel`, `Y_accel`, `Z_accel`, `X_gyro`, `Y_gyro`, `Z_gyro` - **重力分量**：加速度计包含重力，需去除 - **四元数**：`orientation_X`, `orientation_Y`, `orientation_Z`, `orientation_W` - 表示设备旋转姿态 - **不连续性问题**：四元数在表示相同旋转时有多个值（q和-q表示相同旋转） - **解决方案**：使用旋转矩阵前两列（6D连续表示） **THM (Thermopile)：** - 5 列：`thermopile_0` ~ `thermopile_4` - 温度传感器，用于检测物体接近 - **缺失标记**：-1 表示缺失 - **缺失率较低**：约3-4% **TOF (Time-of-Flight)：** - 320 列：`tof_0` ~ `tof_319`（5个8×8阵列） - 距离传感器，检测物体到设备距离 - **缺失标记**：-1 表示缺失 - **缺失严重**：约60%的数据为-1 - **图像化处理**：将8×8阵列降采样为2×2特征图（1st Place创新） #### 严重数据缺失问题 **缺失分布：** ``` TOF: ~60% 缺失 (-1 标记) THM: ~3-4% 缺失 (-1 标记) IMU: 无缺失 ``` **前排处理策略：** | 排名 | TOF 处理 | THM 处理 | |------|---------|---------| | **1st** | 2×2 pooling后标记缺失mask | 简单插值或mask | | **2nd** | 特征工程提取有效点统计量 | 类似TOF处理 | | **3rd** | 转图像，缺失填0 | 不使用或简单处理 | | **其他** | 丢弃或mask | 丢弃或mask | **1st Place 的 TOF 处理创新：** ```python def tof_2x2_pooling_with_mask(tof_data): """ TOF 数据 2×2 pooling + 缺失 mask """ # 每个 8×8 传感器 for sensor_idx in range(5): sensor = tof_data[:, sensor_idx*64:(sensor_idx+1)*64] sensor = sensor.reshape(-1, 8, 8) # 2×2 pooling pooled = sensor.reshape(-1, 4, 2, 2).mean(axis=(2, 3)) # 缺失 mask mask = (sensor == -1).reshape(-1, 4, 2, 2).any(axis=(2, 3)) # 组合：特征 + mask features[:, sensor_idx*4:(sensor_idx+1)*4] = pooled features[:, 20+sensor_idx*4:20+(sensor_idx+1)*4] = mask return features ``` #### 个体约束利用 **关键约束：** 每个 subject × gesture × orientation 组合只出现一次 **含义：** - 训练集中没有重复的 subject × gesture × orientation - 验证时可以确保预测结果也满足这个约束 - 可以用匈牙利算法做全局最优标签分配 **前排利用策略：** | 排名 | 利用方法 | 说明 | |------|---------|------| | **1st** | 匈牙利算法 | 全局最优分配，提升 LB 0.01 | | **2nd** | 阶段感知建模 | 利用三阶段结构 | | **其他** | 个体特征 embedding | 添加 subject embedding | **匈牙利算法实现（1st Place）：** ```python from scipy.optimize import linear_sum_assignment def hungarian_post_process(predictions, subject_ids, sequence_ids): """ 利用 subject × gesture × orientation 唯一约束 """ # 对于每个 subject for subject in unique(subject_ids): # 获取该 subject 的所有预测 mask = subject_ids == subject preds = predictions[mask] seqs = sequence_ids[mask] # 构建代价矩阵：-log(概率) cost_matrix = -np.log(preds + 1e-10) # 匈牙利算法：找到最优分配 row_ind, col_ind = linear_sum_assignment(cost_matrix) # 更新预测结果 for i, j in zip(row_ind, col_ind): predictions[mask][i] = np.zeros(n_classes) predictions[mask][i][j] = 1.0 return predictions ``` #### 三阶段结构 **发现：** 行为序列有明显的三阶段结构 ``` Transition → Pause → Gesture ``` **阶段特征：** | 阶段 | 持续时间 | 特征 | 识别要点 | |------|---------|------|---------| | **Transition** | 变化 | 从上一个状态移动到手势位置 | 运动幅度大 | | **Pause** | 短暂 | 手势开始前的准备 | 运动幅度小 | | **Gesture** | 重复 | 核心行为模式（如咬指甲） | 周期性模式 | **前排利用策略：** | 排名 | 利用方法 | 说明 | |------|---------|------| | **2nd** | 阶段感知 Attention | 每个阶段独立的 attention 权重 | | **6th** | U-Net分割 | 将手势阶段作为分割任务 | | **其他** | 特征工程 | 添加阶段分类特征 | **2nd Place 阶段感知 Attention：** ```python class PhaseAwareAttention(nn.Module): """ 阶段感知 Attention - 每个阶段独立建模 """ def __init__(self, d_model, n_heads=8): super().__init__() # 3个阶段 embedding self.phase_emb = nn.Embedding(3, d_model) # 每个阶段独立的 attention self.transition_attn = nn.MultiheadAttention(d_model, n_heads) self.pause_attn = nn.MultiheadAttention(d_model, n_heads) self.gesture_attn = nn.MultiheadAttention(d_model, n_heads) def forward(self, x, phase_labels): # phase_labels: [batch, seq_len] ∈ {0, 1, 2} batch, seq_len, d_model = x.shape outputs = [] for t in range(seq_len): phase = phase_labels[:, t] # [batch] if phase == 0: # Transition attn_out, _ = self.transition_attn(x[:, t:t+1], x, x) elif phase == 1: # Pause attn_out, _ = self.pause_attn(x[:, t:t+1], x, x) else: # Gesture attn_out, _ = self.gesture_attn(x[:, t:t+1], x, x) outputs.append(attn_out) return torch.cat(outputs, dim=1) ``` #### BFRB vs 非BFRB 类别分布 **18个手势类别：** | 类别 | BFRB类型 | 典型行为 | |------|---------|---------| | 0-7 | BFRB | 咬指甲、拉头发、抠皮肤等 | | 8-17 | 非BFRB | 拍手、挥手、其他手势 | **分布特点：** - **训练集**：BFRB 和非BFRB 数量相近 - **个体差异**：不同 subject 的手势偏好不同 - **方向差异**：同一手势不同方向的表现不同 **处理策略：** - **Phase-aware Mixup**：仅在 Gesture 阶段进行 mixup（2nd Place） - **个体 normalization**：按 subject 做归一化 - **类别平衡**：确保每个类别有足够样本 #### 测试集变化 **关键发现：** 测试集约50%的序列仅有 IMU 数据 **含义：** - 不能过度依赖 TOF 和 THM 特征 - 模型必须能够仅用 IMU 数据做出预测 - 需要训练仅用 IMU 的模型作为集成成员 **前排应对策略：** | 排名 | 应对方法 | |------|---------| | **1st** | 训练IMU-only模型，集成时加权 | | **2nd** | 4个模型：IMU-only, IMU+TOF, IMU+THM, All | | **3rd** | TOF填0处理，但效果受限 | | **其他** | 简单丢弃缺失传感器 | **推荐策略：** ```python # 训练时模拟测试集情况 def get_model_input(data): """ 根据可用传感器选择模型输入 """ has_tof = (data['tof'] != -1).any() has_thm = (data['thm'] != -1).any() if has_tof and has_thm: return model_all(data['imu'], data['tof'], data['thm']) elif has_tof: return model_imu_tof(data['imu'], data['tof']) elif has_thm: return model_imu_thm(data['imu'], data['thm']) else: return model_imu(data['imu']) ``` #### 异常数据识别 **两个异常 subject：** | Subject | 问题 | 处理策略 | |---------|------|---------| | **SUBJ_019262** | 数据异常，预测困难 | 训练时过滤或降权 | | **SUBJ_045235** | 数据异常，预测困难 | 训练时过滤或降权 | **识别方法：** - 训练集上该 subject 的 loss 异常高 - 交叉验证该 subject 的预测准确率低 - 可视化该 subject 的传感器数据，发现异常模式 **处理代码：** ```python # 异常 subject 黑名单 ANOMALY_SUBJECTS = ['SUBJ_019262', 'SUBJ_045235'] def filter_anomaly_subjects(dataframe): """ 过滤异常 subject """ mask = ~dataframe['subject'].isin(ANOMALY_SUBJECTS) return dataframe[mask] ``` #### 左手系 vs 右手系对齐 **发现：** 测试集存在左手和右手两种设备朝向 **问题：** - 左手系和右手系的传感器读数方向相反 - 四元数表示旋转的方式不同 - 直接混合训练会引入噪声 **解决方案（前排通用）：** ```python def align_right_handed_system(data): """ 左手系 → 右手系对齐 """ # 翻转陀螺仪的 x, y 轴 data['X_gyro'] = -data['X_gyro'] data['Y_gyro'] = -data['Y_gyro'] # 调整四元数（取决于具体定义） # 这里假设是绕 z 轴旋转 180 度 data['orientation_X'] = -data['orientation_X'] data['orientation_Y'] = -data['orientation_Y'] return data ``` ### 数据质量评估框架 基于前排方案，建立数据质量评估维度： | 维度 | 评估方法 | 低质量指标 | 处理策略 | |------|---------|-----------|---------| | **传感器缺失** | 统计-1值比例 | TOF>50%, THM>5% | mask处理或训练IMU-only模型 | | **异常subject** | 按subject统计loss | loss > threshold | 过滤SUBJ_019262, SUBJ_045235 | | **设备朝向** | 检测左右手系 | 四元数和陀螺仪方向 | 统一到右手系 | | **三阶段一致性** | 检测阶段标签 | 阶段跳变 | 利用三阶段结构特征 | ### 关键数据洞察总结 1. **多模态融合是关键**：IMU + THM + TOF，但测试集仅50%有完整数据 2. **TOF 缺失严重（60%）**：需要创新处理（2×2 pooling + mask） 3. **个体约束必须利用**：subject × gesture × orientation 唯一约束可用匈牙利算法 4. **三阶段结构重要**：Transition/Pause/Gesture，阶段感知建模有效 5. **四元数不连续性**：需转换为6D连续表示（旋转矩阵前两列） 6. **测试集只有IMU数据**：必须训练IMU-only模型作为集成成员 7. **异常数据需处理**：SUBJ_019262和SUBJ_045235应该过滤或降权 8. **左手系右手系对齐**：统一到右手系避免噪声 ### 多模态时间序列分类的最佳实践 与单模态分类任务不同，多模态任务的特殊考虑： | 方面 | 单模态任务 | 多模态任务 | |------|-----------|-----------| | **特征提取** | 单一特征工程 | 每个模态独立提取后融合 | | **模型架构** | 单一编码器 | 多编码器或早期融合 | | **缺失处理** | 插值或丢弃 | mask处理或模态specific模型 | | **数据增强** | 简单增强 | 模态感知增强（Phase-aware Mixup） | | **后处理** | 阈值或NMS | 利用约束（匈牙利算法） |