鳥1の後処理

[shinmura0]

• birdcallにする鳥を多くても3つに絞る （鳥1の3rdより） 　たとえ4つも5つも鳥が鳴いても、人間はアノテーションできないため、 　3つくらいに絞るのが妥当。仮に、10個くらいbirdcallしても、現実的に 　そんなに鳴いているはずないので、false positiveを防ぐ効果がある。

• SEDで30secのclipwise_prediction>0.3かつ、5secでframewise_prediction>0.3の種類をbirdcallにする （ 鳥1の1stより） framewise_predictionは短期間のイベントを拾えるので、鳥の鳴き声にマッチしていて 使っていきたいが、 そのまま使うと、false positiveが頻発する。学習の構造上、アテン ションをかけて長時間鳴くものをclipwise_predictionで励起（ここでBCEをとっている）して いるため、false positiveが出るのはしょうがない。ある意味、framewise_predictionの false positiveをアテンションで消している。本手法は、ある程度長期間（clipwise_prediction>0.3） 鳴く制約があるため、framewise_predictionのfalse positiveを減らす効果がある。

[shinmura0]

二番目を試したが、あまりうまくいかない。 ある程度高精度のモデルでなければ、効果が薄いのかもしれない。

とりあえず、後処理の

• prediction:now + 0.5previous + 0.5next
• siteで絞る

はうまくいくので、これを標準装備にする。