<!-- This model card has been generated automatically according to the information the Trainer had access to. You should probably proofread and complete it, then remove this comment. -->
videomae-small-finetuned-kinetics-finetuned-SoccerNetChunks-InferenceCamT-Replay-5c
This model is a fine-tuned version of MCG-NJU/videomae-small-finetuned-kinetics on an unknown dataset. It achieves the following results on the evaluation set:
- Loss: 0.9690
- Accuracy: 0.6194
- Balanced Accuracy: 0.6194
- Matthews Correlation: 0.5491
- Confusion Matrix: [[ 995 77 83 101 23 93] [ 249 876 76 39 29 102] [ 94 28 1010 148 71 19] [ 249 34 301 627 118 41] [ 171 34 341 466 320 39] [ 71 15 12 2 4 1266]]
- 0 Ball out of play: {'precision': 0.544013121924549, 'recall': 0.7252186588921283, 'f1-score': 0.6216807247735083, 'support': 1372.0}
- Precision 0: 0.5440
- Recall 0: 0.7252
- F1-score 0: 0.6217
- Support 0: 1372.0
- 1 Foul: {'precision': 0.8233082706766918, 'recall': 0.6389496717724289, 'f1-score': 0.7195071868583162, 'support': 1371.0}
- Precision 1: 0.8233
- Recall 1: 0.6389
- F1-score 1: 0.7195
- Support 1: 1371.0
- 2 Goal: {'precision': 0.5540318156884256, 'recall': 0.7372262773722628, 'f1-score': 0.6326338866269965, 'support': 1370.0}
- Precision 2: 0.5540
- Recall 2: 0.7372
- F1-score 2: 0.6326
- Support 2: 1370.0
- 3 Shots off target: {'precision': 0.45336225596529284, 'recall': 0.4576642335766423, 'f1-score': 0.4555030875408645, 'support': 1370.0}
- Precision 3: 0.4534
- Recall 3: 0.4577
- F1-score 3: 0.4555
- Support 3: 1370.0
- 4 Shots on target: {'precision': 0.5663716814159292, 'recall': 0.23340627279358134, 'f1-score': 0.3305785123966943, 'support': 1371.0}
- Precision 4: 0.5664
- Recall 4: 0.2334
- F1-score 4: 0.3306
- Support 4: 1371.0
- 5 Throw-in: {'precision': 0.8115384615384615, 'recall': 0.9240875912408759, 'f1-score': 0.8641638225255973, 'support': 1370.0}
- Precision 5: 0.8115
- Recall 5: 0.9241
- F1-score 5: 0.8642
- Support 5: 1370.0
- Precision Macro avg: 0.6254
- Recall Macro avg: 0.6194
- F1-score Macro avg: 0.6040
- Support Macro avg: 8224.0
- Precision Weighted avg: 0.6254
- Recall Weighted avg: 0.6194
- F1-score Weighted avg: 0.6040
- Support Weighted avg: 8224.0
Model description
More information needed
Intended uses & limitations
More information needed
Training and evaluation data
More information needed
Training procedure
Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 5e-05
- train_batch_size: 32
- eval_batch_size: 32
- seed: 42
- distributed_type: multi-GPU
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lr_scheduler_type: linear
- lr_scheduler_warmup_ratio: 0.1
- training_steps: 10310
Training results
Training Loss | Epoch | Step | Validation Loss | Accuracy | Balanced Accuracy | Matthews Correlation | Confusion Matrix | 0 Ball out of play | Precision 0 | Recall 0 | F1-score 0 | Support 0 | 1 Foul | Precision 1 | Recall 1 | F1-score 1 | Support 1 | 2 Goal | Precision 2 | Recall 2 | F1-score 2 | Support 2 | 3 Shots off target | Precision 3 | Recall 3 | F1-score 3 | Support 3 | 4 Shots on target | Precision 4 | Recall 4 | F1-score 4 | Support 4 | 5 Throw-in | Precision 5 | Recall 5 | F1-score 5 | Support 5 | Precision Macro avg | Recall Macro avg | F1-score Macro avg | Support Macro avg | Precision Weighted avg | Recall Weighted avg | F1-score Weighted avg | Support Weighted avg |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1.3568 | 0.1 | 1031 | 1.2032 | 0.5098 | 0.5099 | 0.4200 | [[ 430 181 121 253 74 313] | ||||||||||||||||||||||||||||||||||||||
[ 90 788 83 89 46 275] | |||||||||||||||||||||||||||||||||||||||||||||
[ 45 41 942 219 71 52] | |||||||||||||||||||||||||||||||||||||||||||||
[ 87 38 470 507 169 99] | |||||||||||||||||||||||||||||||||||||||||||||
[ 47 27 432 494 253 118] | |||||||||||||||||||||||||||||||||||||||||||||
[ 12 27 27 11 20 1273]] | {'precision': 0.6047819971870605, 'recall': 0.31341107871720114, 'f1-score': 0.4128660585693711, 'support': 1372.0} | 0.6048 | 0.3134 | 0.4129 | 1372.0 | {'precision': 0.7150635208711433, 'recall': 0.574762946754194, 'f1-score': 0.637282652648605, 'support': 1371.0} | 0.7151 | 0.5748 | 0.6373 | 1371.0 | {'precision': 0.45397590361445783, 'recall': 0.6875912408759124, 'f1-score': 0.5468795355587809, 'support': 1370.0} | 0.4540 | 0.6876 | 0.5469 | 1370.0 | {'precision': 0.32231404958677684, 'recall': 0.3700729927007299, 'f1-score': 0.34454638124362896, 'support': 1370.0} | 0.3223 | 0.3701 | 0.3445 | 1370.0 | {'precision': 0.39968404423380727, 'recall': 0.18453683442742524, 'f1-score': 0.25249500998003993, 'support': 1371.0} | 0.3997 | 0.1845 | 0.2525 | 1371.0 | {'precision': 0.5976525821596245, 'recall': 0.9291970802919708, 'f1-score': 0.7274285714285714, 'support': 1370.0} | 0.5977 | 0.9292 | 0.7274 | 1370.0 | 0.5156 | 0.5099 | 0.4869 | 8224.0 | 0.5156 | 0.5098 | 0.4869 | 8224.0 | |||||||
0.8604 | 0.2 | 2062 | 1.1708 | 0.5125 | 0.5125 | 0.4247 | [[982 89 101 142 24 34] | ||||||||||||||||||||||||||||||||||||||
[459 679 79 71 39 44] | |||||||||||||||||||||||||||||||||||||||||||||
[137 36 812 287 91 7] | |||||||||||||||||||||||||||||||||||||||||||||
[286 47 248 677 94 18] | |||||||||||||||||||||||||||||||||||||||||||||
[235 43 256 674 130 33] | |||||||||||||||||||||||||||||||||||||||||||||
[262 58 75 37 3 935]] | {'precision': 0.41592545531554426, 'recall': 0.7157434402332361, 'f1-score': 0.5261184034288775, 'support': 1372.0} | 0.4159 | 0.7157 | 0.5261 | 1372.0 | {'precision': 0.7132352941176471, 'recall': 0.49525893508388036, 'f1-score': 0.5845888936719759, 'support': 1371.0} | 0.7132 | 0.4953 | 0.5846 | 1371.0 | {'precision': 0.5168682367918523, 'recall': 0.5927007299270073, 'f1-score': 0.5521931315878954, 'support': 1370.0} | 0.5169 | 0.5927 | 0.5522 | 1370.0 | {'precision': 0.3585805084745763, 'recall': 0.49416058394160584, 'f1-score': 0.41559238796807857, 'support': 1370.0} | 0.3586 | 0.4942 | 0.4156 | 1370.0 | {'precision': 0.34120734908136485, 'recall': 0.09482129832239242, 'f1-score': 0.14840182648401828, 'support': 1371.0} | 0.3412 | 0.0948 | 0.1484 | 1371.0 | {'precision': 0.873015873015873, 'recall': 0.6824817518248175, 'f1-score': 0.7660794756247439, 'support': 1370.0} | 0.8730 | 0.6825 | 0.7661 | 1370.0 | 0.5365 | 0.5125 | 0.4988 | 8224.0 | 0.5364 | 0.5125 | 0.4988 | 8224.0 | |||||||
1.6791 | 0.3 | 3093 | 1.0393 | 0.5744 | 0.5744 | 0.4948 | [[ 820 156 112 166 21 97] | ||||||||||||||||||||||||||||||||||||||
[ 217 911 91 52 28 72] | |||||||||||||||||||||||||||||||||||||||||||||
[ 102 61 974 160 52 21] | |||||||||||||||||||||||||||||||||||||||||||||
[ 178 61 385 616 102 28] | |||||||||||||||||||||||||||||||||||||||||||||
[ 118 47 400 536 252 18] | |||||||||||||||||||||||||||||||||||||||||||||
[ 77 71 29 19 23 1151]] | {'precision': 0.5423280423280423, 'recall': 0.597667638483965, 'f1-score': 0.5686546463245492, 'support': 1372.0} | 0.5423 | 0.5977 | 0.5687 | 1372.0 | {'precision': 0.6970160673297628, 'recall': 0.6644784828592268, 'f1-score': 0.6803584764749814, 'support': 1371.0} | 0.6970 | 0.6645 | 0.6804 | 1371.0 | {'precision': 0.48920140632847814, 'recall': 0.710948905109489, 'f1-score': 0.5795894079143111, 'support': 1370.0} | 0.4892 | 0.7109 | 0.5796 | 1370.0 | {'precision': 0.3976759199483538, 'recall': 0.44963503649635034, 'f1-score': 0.42206235011990406, 'support': 1370.0} | 0.3977 | 0.4496 | 0.4221 | 1370.0 | {'precision': 0.5271966527196653, 'recall': 0.1838074398249453, 'f1-score': 0.2725797728501893, 'support': 1371.0} | 0.5272 | 0.1838 | 0.2726 | 1371.0 | {'precision': 0.8298485940879596, 'recall': 0.8401459854014599, 'f1-score': 0.8349655422560754, 'support': 1370.0} | 0.8298 | 0.8401 | 0.8350 | 1370.0 | 0.5805 | 0.5744 | 0.5597 | 8224.0 | 0.5805 | 0.5744 | 0.5597 | 8224.0 | |||||||
1.1391 | 1.0 | 4124 | 0.9952 | 0.6049 | 0.6050 | 0.5291 | [[ 715 306 85 107 90 69] | ||||||||||||||||||||||||||||||||||||||
[ 96 1076 56 20 47 76] | |||||||||||||||||||||||||||||||||||||||||||||
[ 64 54 968 94 176 14] | |||||||||||||||||||||||||||||||||||||||||||||
[ 115 117 314 375 416 33] | |||||||||||||||||||||||||||||||||||||||||||||
[ 67 92 318 211 655 28] | |||||||||||||||||||||||||||||||||||||||||||||
[ 57 77 27 2 21 1186]] | {'precision': 0.6418312387791741, 'recall': 0.5211370262390671, 'f1-score': 0.5752212389380531, 'support': 1372.0} | 0.6418 | 0.5211 | 0.5752 | 1372.0 | {'precision': 0.6248548199767712, 'recall': 0.7848285922684172, 'f1-score': 0.6957646298092466, 'support': 1371.0} | 0.6249 | 0.7848 | 0.6958 | 1371.0 | {'precision': 0.5475113122171946, 'recall': 0.7065693430656934, 'f1-score': 0.6169534735500319, 'support': 1370.0} | 0.5475 | 0.7066 | 0.6170 | 1370.0 | {'precision': 0.4635352286773795, 'recall': 0.2737226277372263, 'f1-score': 0.3441945846718678, 'support': 1370.0} | 0.4635 | 0.2737 | 0.3442 | 1370.0 | {'precision': 0.46619217081850534, 'recall': 0.4777534646243618, 'f1-score': 0.4719020172910663, 'support': 1371.0} | 0.4662 | 0.4778 | 0.4719 | 1371.0 | {'precision': 0.8435277382645804, 'recall': 0.8656934306569343, 'f1-score': 0.8544668587896254, 'support': 1370.0} | 0.8435 | 0.8657 | 0.8545 | 1370.0 | 0.5979 | 0.6050 | 0.5931 | 8224.0 | 0.5979 | 0.6049 | 0.5931 | 8224.0 | |||||||
1.3699 | 1.1 | 5155 | 1.0480 | 0.5764 | 0.5764 | 0.5012 | [[1036 67 90 137 24 18] | ||||||||||||||||||||||||||||||||||||||
[ 347 787 82 73 54 28] | |||||||||||||||||||||||||||||||||||||||||||||
[ 111 19 956 230 50 4] | |||||||||||||||||||||||||||||||||||||||||||||
[ 289 26 291 680 75 9] | |||||||||||||||||||||||||||||||||||||||||||||
[ 226 38 326 538 227 16] | |||||||||||||||||||||||||||||||||||||||||||||
[ 249 26 24 12 5 1054]] | {'precision': 0.4588131089459699, 'recall': 0.7551020408163265, 'f1-score': 0.5707988980716253, 'support': 1372.0} | 0.4588 | 0.7551 | 0.5708 | 1372.0 | {'precision': 0.8172377985462098, 'recall': 0.574033552151714, 'f1-score': 0.6743787489288775, 'support': 1371.0} | 0.8172 | 0.5740 | 0.6744 | 1371.0 | {'precision': 0.5404183154324477, 'recall': 0.6978102189781021, 'f1-score': 0.6091111819050652, 'support': 1370.0} | 0.5404 | 0.6978 | 0.6091 | 1370.0 | {'precision': 0.40718562874251496, 'recall': 0.49635036496350365, 'f1-score': 0.44736842105263164, 'support': 1370.0} | 0.4072 | 0.4964 | 0.4474 | 1370.0 | {'precision': 0.5218390804597701, 'recall': 0.16557257476294676, 'f1-score': 0.2513842746400886, 'support': 1371.0} | 0.5218 | 0.1656 | 0.2514 | 1371.0 | {'precision': 0.933569530558016, 'recall': 0.7693430656934307, 'f1-score': 0.8435374149659864, 'support': 1370.0} | 0.9336 | 0.7693 | 0.8435 | 1370.0 | 0.6132 | 0.5764 | 0.5661 | 8224.0 | 0.6132 | 0.5764 | 0.5661 | 8224.0 | |||||||
0.7439 | 1.2 | 6186 | 0.9830 | 0.5990 | 0.5990 | 0.5290 | [[ 874 104 60 207 12 115] | ||||||||||||||||||||||||||||||||||||||
[ 195 881 74 85 30 106] | |||||||||||||||||||||||||||||||||||||||||||||
[ 79 25 860 357 33 16] | |||||||||||||||||||||||||||||||||||||||||||||
[ 148 32 230 865 55 40] | |||||||||||||||||||||||||||||||||||||||||||||
[ 96 28 255 784 170 38] | |||||||||||||||||||||||||||||||||||||||||||||
[ 51 20 10 8 5 1276]] | {'precision': 0.6056826056826057, 'recall': 0.6370262390670554, 'f1-score': 0.6209591474245115, 'support': 1372.0} | 0.6057 | 0.6370 | 0.6210 | 1372.0 | {'precision': 0.808256880733945, 'recall': 0.6425966447848286, 'f1-score': 0.715969118244616, 'support': 1371.0} | 0.8083 | 0.6426 | 0.7160 | 1371.0 | {'precision': 0.577568838146407, 'recall': 0.6277372262773723, 'f1-score': 0.6016089541797831, 'support': 1370.0} | 0.5776 | 0.6277 | 0.6016 | 1370.0 | {'precision': 0.3751084128360798, 'recall': 0.6313868613138686, 'f1-score': 0.47062023939064196, 'support': 1370.0} | 0.3751 | 0.6314 | 0.4706 | 1370.0 | {'precision': 0.5573770491803278, 'recall': 0.12399708242159008, 'f1-score': 0.20286396181384245, 'support': 1371.0} | 0.5574 | 0.1240 | 0.2029 | 1371.0 | {'precision': 0.8020113136392206, 'recall': 0.9313868613138686, 'f1-score': 0.8618709895305641, 'support': 1370.0} | 0.8020 | 0.9314 | 0.8619 | 1370.0 | 0.6210 | 0.5990 | 0.5790 | 8224.0 | 0.6210 | 0.5990 | 0.5790 | 8224.0 | |||||||
0.8838 | 1.3 | 7217 | 0.9624 | 0.6175 | 0.6175 | 0.5448 | [[ 957 91 52 150 25 97] | ||||||||||||||||||||||||||||||||||||||
[ 265 888 48 41 23 106] | |||||||||||||||||||||||||||||||||||||||||||||
[ 102 34 897 222 101 14] | |||||||||||||||||||||||||||||||||||||||||||||
[ 211 54 252 671 140 42] | |||||||||||||||||||||||||||||||||||||||||||||
[ 136 64 257 500 374 40] | |||||||||||||||||||||||||||||||||||||||||||||
[ 57 15 2 1 4 1291]] | {'precision': 0.5538194444444444, 'recall': 0.6975218658892128, 'f1-score': 0.6174193548387097, 'support': 1372.0} | 0.5538 | 0.6975 | 0.6174 | 1372.0 | {'precision': 0.774869109947644, 'recall': 0.6477024070021882, 'f1-score': 0.7056019070321811, 'support': 1371.0} | 0.7749 | 0.6477 | 0.7056 | 1371.0 | {'precision': 0.5948275862068966, 'recall': 0.6547445255474452, 'f1-score': 0.6233495482974287, 'support': 1370.0} | 0.5948 | 0.6547 | 0.6233 | 1370.0 | {'precision': 0.42334384858044166, 'recall': 0.4897810218978102, 'f1-score': 0.4541455160744501, 'support': 1370.0} | 0.4233 | 0.4898 | 0.4541 | 1370.0 | {'precision': 0.56071964017991, 'recall': 0.2727935813274982, 'f1-score': 0.36702649656526004, 'support': 1371.0} | 0.5607 | 0.2728 | 0.3670 | 1371.0 | {'precision': 0.8119496855345912, 'recall': 0.9423357664233577, 'f1-score': 0.8722972972972974, 'support': 1370.0} | 0.8119 | 0.9423 | 0.8723 | 1370.0 | 0.6199 | 0.6175 | 0.6066 | 8224.0 | 0.6199 | 0.6175 | 0.6066 | 8224.0 | |||||||
1.1552 | 2.0 | 8248 | 0.9936 | 0.6136 | 0.6136 | 0.5425 | [[ 991 93 87 97 24 80] | ||||||||||||||||||||||||||||||||||||||
[ 231 896 85 42 35 82] | |||||||||||||||||||||||||||||||||||||||||||||
[ 118 26 1028 131 55 12] | |||||||||||||||||||||||||||||||||||||||||||||
[ 239 59 324 597 112 39] | |||||||||||||||||||||||||||||||||||||||||||||
[ 156 76 388 415 298 38] | |||||||||||||||||||||||||||||||||||||||||||||
[ 74 27 25 3 5 1236]] | {'precision': 0.5478164731896075, 'recall': 0.7223032069970845, 'f1-score': 0.6230745048726815, 'support': 1372.0} | 0.5478 | 0.7223 | 0.6231 | 1372.0 | {'precision': 0.7612574341546304, 'recall': 0.6535375638220278, 'f1-score': 0.7032967032967034, 'support': 1371.0} | 0.7613 | 0.6535 | 0.7033 | 1371.0 | {'precision': 0.5307176045431079, 'recall': 0.7503649635036497, 'f1-score': 0.6217115210160266, 'support': 1370.0} | 0.5307 | 0.7504 | 0.6217 | 1370.0 | {'precision': 0.46459143968871597, 'recall': 0.43576642335766425, 'f1-score': 0.44971751412429384, 'support': 1370.0} | 0.4646 | 0.4358 | 0.4497 | 1370.0 | {'precision': 0.5633270321361059, 'recall': 0.21735959153902262, 'f1-score': 0.31368421052631584, 'support': 1371.0} | 0.5633 | 0.2174 | 0.3137 | 1371.0 | {'precision': 0.8312037659717552, 'recall': 0.9021897810218978, 'f1-score': 0.8652432621631081, 'support': 1370.0} | 0.8312 | 0.9022 | 0.8652 | 1370.0 | 0.6165 | 0.6136 | 0.5961 | 8224.0 | 0.6165 | 0.6136 | 0.5961 | 8224.0 | |||||||
1.0153 | 2.1 | 9279 | 1.0328 | 0.5963 | 0.5963 | 0.5251 | [[1062 66 60 99 17 68] | ||||||||||||||||||||||||||||||||||||||
[ 321 824 68 47 27 84] | |||||||||||||||||||||||||||||||||||||||||||||
[ 159 26 931 201 42 11] | |||||||||||||||||||||||||||||||||||||||||||||
[ 341 33 243 658 72 23] | |||||||||||||||||||||||||||||||||||||||||||||
[ 275 37 299 528 201 31] | |||||||||||||||||||||||||||||||||||||||||||||
[ 100 17 19 3 3 1228]] | {'precision': 0.47032772364924713, 'recall': 0.7740524781341108, 'f1-score': 0.5851239669421487, 'support': 1372.0} | 0.4703 | 0.7741 | 0.5851 | 1372.0 | {'precision': 0.8215353938185443, 'recall': 0.6010211524434719, 'f1-score': 0.6941870261162594, 'support': 1371.0} | 0.8215 | 0.6010 | 0.6942 | 1371.0 | {'precision': 0.5746913580246914, 'recall': 0.6795620437956205, 'f1-score': 0.6227424749163879, 'support': 1370.0} | 0.5747 | 0.6796 | 0.6227 | 1370.0 | {'precision': 0.4283854166666667, 'recall': 0.4802919708029197, 'f1-score': 0.452856159669649, 'support': 1370.0} | 0.4284 | 0.4803 | 0.4529 | 1370.0 | {'precision': 0.5552486187845304, 'recall': 0.14660831509846828, 'f1-score': 0.2319676860934795, 'support': 1371.0} | 0.5552 | 0.1466 | 0.2320 | 1371.0 | {'precision': 0.8498269896193772, 'recall': 0.8963503649635036, 'f1-score': 0.8724689165186502, 'support': 1370.0} | 0.8498 | 0.8964 | 0.8725 | 1370.0 | 0.6167 | 0.5963 | 0.5766 | 8224.0 | 0.6167 | 0.5963 | 0.5765 | 8224.0 | |||||||
0.6315 | 2.2 | 10310 | 0.9690 | 0.6194 | 0.6194 | 0.5491 | [[ 995 77 83 101 23 93] | ||||||||||||||||||||||||||||||||||||||
[ 249 876 76 39 29 102] | |||||||||||||||||||||||||||||||||||||||||||||
[ 94 28 1010 148 71 19] | |||||||||||||||||||||||||||||||||||||||||||||
[ 249 34 301 627 118 41] | |||||||||||||||||||||||||||||||||||||||||||||
[ 171 34 341 466 320 39] | |||||||||||||||||||||||||||||||||||||||||||||
[ 71 15 12 2 4 1266]] | {'precision': 0.544013121924549, 'recall': 0.7252186588921283, 'f1-score': 0.6216807247735083, 'support': 1372.0} | 0.5440 | 0.7252 | 0.6217 | 1372.0 | {'precision': 0.8233082706766918, 'recall': 0.6389496717724289, 'f1-score': 0.7195071868583162, 'support': 1371.0} | 0.8233 | 0.6389 | 0.7195 | 1371.0 | {'precision': 0.5540318156884256, 'recall': 0.7372262773722628, 'f1-score': 0.6326338866269965, 'support': 1370.0} | 0.5540 | 0.7372 | 0.6326 | 1370.0 | {'precision': 0.45336225596529284, 'recall': 0.4576642335766423, 'f1-score': 0.4555030875408645, 'support': 1370.0} | 0.4534 | 0.4577 | 0.4555 | 1370.0 | {'precision': 0.5663716814159292, 'recall': 0.23340627279358134, 'f1-score': 0.3305785123966943, 'support': 1371.0} | 0.5664 | 0.2334 | 0.3306 | 1371.0 | {'precision': 0.8115384615384615, 'recall': 0.9240875912408759, 'f1-score': 0.8641638225255973, 'support': 1370.0} | 0.8115 | 0.9241 | 0.8642 | 1370.0 | 0.6254 | 0.6194 | 0.6040 | 8224.0 | 0.6254 | 0.6194 | 0.6040 | 8224.0 |
Framework versions
- Transformers 4.30.2
- Pytorch 2.0.1+cu117
- Datasets 2.13.1
- Tokenizers 0.13.3