Motion-Sorting-System-

本系统旨在解决大规模 AMASS 动作捕捉数据集（.npz 格式）的分类难题。系统结合了基于物理特征的启发式规则分拣（前期）与基于深度学习的迭代自训练（Self-Training）（后期），实现了从海量杂乱数据到有序分类目录的自动化转化。

🚀 核心工作流 (Workflow)

整个系统的运作分为两个阶段：

阶段 1：启发式规则分拣 (classify_complete.py)

这是系统的前置工作。在模型还未训练时，通过物理公式提取动作特征。

• 特征提取：分析水平速度 ()、关节活跃度 ()、高度变化 () 等 10 项物理指标。
• 双重决策：

1. 关键词匹配：优先识别文件名中的 run, jump, sit 等关键词。
2. 决策树分类：对无关键词文件，通过物理阈值（如 判定为地面动作）进行初步归类。

• 作用：为阶段 2 提供高质量的“种子数据”（Labeled Data）。

阶段 2：神经网络迭代演化 (Deep Learning Iteration)

基于阶段 1 的成果，利用神经网络进行自监督学习（代码见前文交流）。

• 动态阈值：从高置信度（0.98）开始，逐步收敛至 0.85。
• 决策机制：引入 Margin (边缘检测) 与 Sample Weighting (置信度加权)，确保自动标注的准确性。
• 虚拟系统：在 CSV 中记录状态，不物理移动原始文件，确保数据安全。

---

📊 训练监控 (Training Monitoring)

系统内置可视化监控，如下图所示：

• 左图 (Loss)：展示了加权损失函数的收敛情况。曲线稳步下降，说明模型能有效吸收自动标注带来的新知识。
• 右图 (Growth & Entropy)：
• 蓝线：展示了数据集的膨胀过程，从约 2000 个种子样本增长到 14000+ 个。
• 绿线 (熵)：监控类别的多样性，确保模型没有发生“模式塌陷”（即把所有数据都分给某一类）。

---

🛠️ 核心功能特性

1. 零风险分拣：采用“虚拟索引”逻辑，仅在导出阶段进行物理复制，保护原始数据集。
2. RAM 高速缓存：一次性将 .npz 特征载入内存，训练速度提升 20-50 倍。
3. 多层递归搜索：支持任意深度的文件夹结构，自动识别路径中的类别关键词。
4. 智能模糊匹配：忽略大小写，支持 Run, Running, tracking_run 等多种命名兼容。

---

🏃 如何运行

1. 环境准备

pip install numpy torch pandas tqdm matplotlib

2. 执行前置分拣

将原始散乱的 .npz 文件进行物理初筛：

python classify_complete.py

• 该脚本会根据物理规则在 TARGET_DIR 生成最初的分类文件夹。

3. 启动 AI 迭代清洗

运行主清洗程序（cleaner_ultimate.py）：

• 模型会读取初筛结果作为种子，自动分拣剩余的 unlabeled 数据。
• 训练完成后，输入 y 即可导出最终整齐的分类结果。

---

📂 导出结构示例

导出后的文件夹可直接用于后续算法训练或发给团队成员：

CLEANED_OUTPUT/
├── tracking_run/
│   ├── auto_0.99_subject1_run.npz
│   └── original_run_01.npz
├── tracking_jump/
│   └── ...
└── tracking_dance/
    └── ...

---

💡 开发者建议

• 前置工作的重要性：classify_complete.py 决定的“种子数据”质量直接影响 AI 的演化方向。如果发现某类分错了，请先调整该脚本中的物理阈值。
• 导出检查：建议在导出后，对置信度较低（文件名中 auto_0.8x）的文件进行人工抽检。

---

系统能够做什么？

它可以将原本需要数周的人工标注工作，缩短为**“一键分拣 + 数小时机器运行”**。无论是同学协作还是科研实验，它都能为你提供最整洁的数据基础。