| # -*- coding: utf-8 -*- | |
| """全域設定：訓練與即時推論共用，改這裡就好。""" | |
| from pathlib import Path | |
| # ---------------------------------------------------------------- 路徑 | |
| PROJECT_DIR = Path(__file__).resolve().parent | |
| # 把 Google Drive 的 NPY_Dataset 下載到本機後，放在這個路徑 | |
| DATA_ROOT = PROJECT_DIR / "data" / "NPY_Dataset" | |
| OUT_DIR = PROJECT_DIR / "runs" | |
| # ---------------------------------------------------------------- 關鍵點佈局 | |
| # 每個 .npy 形狀為 (T, 55, 3)。55 = 12 上半身 pose + 21 左手 + 21 右手 + 1 虛擬頸點。 | |
| # ✓ 已與組員的 extract_features.py 核對過，完全一致。 | |
| NUM_POINTS = 55 | |
| POSE_SLICE = slice(0, 12) # 上半身 pose | |
| LHAND_SLICE = slice(12, 33) # 左手 21 點 | |
| RHAND_SLICE = slice(33, 54) # 右手 21 點 | |
| CENTER_IDX = 54 # 虛擬頸點＝雙肩中點（正規化原點） | |
| LSHOULDER_IDX = 0 | |
| RSHOULDER_IDX = 1 | |
| # 從 MediaPipe Pose 的 33 點裡挑的 12 點（＝ extract_features.py 的 POSE_INDICES）。 | |
| POSE_MP_INDICES = [11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22] | |
| # ---------------------------------------------------------------- 前處理 | |
| # 實際資料：影格數 min=55 / median=150 / max=179，所以重採樣到 64 格 | |
| # （約 2.3 倍下採樣，保留足夠的手部動作細節，又不會讓訓練太慢） | |
| SEQ_LEN = 64 | |
| MIN_FRAMES = 8 # 少於這個影格數的樣本會先補到這個長度 | |
| USE_XY_ONLY = True # MediaPipe 的 z 噪音大，預設只用 x,y（設 False 則保留全部維度） | |
| ADD_VELOCITY = True # 加入相鄰影格差分（動作速度），對手語很有幫助 | |
| ADD_MASK = True # 加入「這一點這一格有沒有被偵測到」的 0/1 通道 | |
| # --- 跨人泛化用的特徵（骨向量與關節角度對體型差異較不敏感） | |
| ADD_BONE = True # 每個節點指向父節點的向量（長度隱含肢段比例） | |
| ADD_ANGLE = True # 該節點在骨架樹上與父、祖父形成的夾角（純角度，與體型無關） | |
| # ---------------------------------------------------------------- 訓練 | |
| SEED = 42 | |
| VAL_RATIO = 0.2 | |
| BATCH_SIZE = 32 | |
| EPOCHS = 120 | |
| LR = 1e-3 | |
| WEIGHT_DECAY = 1e-4 | |
| LABEL_SMOOTHING = 0.05 | |
| EARLY_STOP_PATIENCE = 25 | |
| # ---------------------------------------------------------------- 模型 | |
| ARCH = "stgcn" | |
| DROPOUT = 0.3 | |
| # ST-GCN | |
| GRAPH_STRATEGY = "spatial" # "spatial"（三組分割）或 "uniform" | |
| STGCN_CHANNELS = (64, 64, 128, 128) | |
| STGCN_STRIDES = (1, 1, 2, 1) # 2 代表時間軸下採樣一半 | |
| STGCN_EDGE_IMPORTANCE = True # 讓模型自己學每條骨架邊的重要性 | |
| # ---------------------------------------------------------------- 資料增強 | |
| # 目標不只是防過擬合，而是 domain randomization —— | |
| # 用單一拍攝者的資料合成出「各種體型、各種取景、各種偵測品質」的假樣本， | |
| # 讓模型不要依賴那些會隨人改變的線索。 | |
| AUG_SCALE = 0.20 # 隨機縮放 ±20% | |
| AUG_ROTATE_DEG = 18.0 # 隨機旋轉 ±18 度 | |
| AUG_SHIFT = 0.10 # 隨機平移 | |
| AUG_NOISE = 0.015 # 高斯雜訊 | |
| AUG_TIME_WARP = 0.3 # 隨機加減速 ±30% | |
| AUG_FRAME_DROP = 0.08 # 隨機丟影格比例 | |
| AUG_MIRROR = False # 左右鏡像：手語中左右手分工有意義，預設關閉 | |
| # --- 模擬跨人/跨環境的差異 | |
| AUG_LIMB_SCALE = 0.15 # 各肢段長度獨立隨機縮放 ±15%，模擬不同體型 | |
| AUG_JOINT_DROP = 0.15 # 隨機關節在隨機時段「偵測失敗」，模擬 MediaPipe 掉點 | |
| AUG_HAND_DROP = 0.15 # 整隻手短暫消失的機率（實測即時環境常發生） | |
| AUG_TEMPORAL_CROP = 0.25 # 隨機裁掉頭尾最多 25%，模擬滑動視窗沒對齊完整動作 | |
| # ---------------------------------------------------------------- 即時推論 | |
| # ★ 關鍵：訓練時每支影片不管多長都被時間正規化成 SEQ_LEN 格， | |
| # 所以模型學到的是「一個完整手語詞從頭到尾」的樣子。 | |
| # 即時推論的 sliding window 必須涵蓋**同樣長度的時間**（而不是同樣的影格數）， | |
| # 否則模型會看到一個被快轉 3 倍的動作，準確率直接崩掉。 | |
| # | |
| # 訓練影片中位數 150 格。若原始影片是 30 fps → 一個詞約 5.0 秒。 | |
| # ★ 請跟組員確認原始 mp4 的 fps，再改這個數字：PRED_WINDOW_SECONDS = 150 / fps | |
| PRED_WINDOW_SECONDS = 5.0 | |
| PRED_STRIDE = 4 # 每幾格推論一次 | |
| PRED_THRESHOLD = 0.75 # 信心門檻，低於此不輸出 | |
| PRED_SMOOTH = 3 # 連續幾次相同預測才確認 | |