분석 모드와 실제 스트로크 출력 스키마는 서로 다른 정보입니다. mode는 TrackNet batch,
pose threshold, near-miss rescue 및 feature classifier 파일을 선택하고, 출력 라벨은 선택된
.pkl의 label_scheme, class_names, classes_ 메타데이터가 결정합니다.
2026-09-06 현재 모델 아티팩트와 운영 로그에서 확인한 계약은 다음과 같습니다.
| mode | feature artifact | scheme | 실제 학습된 출력 라벨 |
|---|---|---|---|
pro |
feature_classifier_pro.pkl |
9class |
Serve, Lob, Smash, Drop, Drive, Clear |
amateur |
feature_classifier_amateur.pkl |
4class_amateur |
Serve, Smash, Clear, Drive |
프로 아티팩트는 9칸 확률 스키마를 사용하지만 classes_=[0,2,3,4,5,7]만 학습되어 실제로는
6개 라벨만 출력할 수 있습니다. 이는 코드에 별도로 정의된 목표 6class_pro
(Serve, Smash, Clear, Drive, Drop, Net)와 같지 않습니다. 현재 모델에는 Lob가 있고 Net은 없습니다.
따라서 프로를 6class_pro라고 표시하려면 라벨을 사후에 이름만 바꾸는 것으로는 부족하며,
canonical mapping을 적용한 데이터로 모델을 다시 학습하고 대표 영상 회귀 검증을 해야 합니다.
분석 로그의 [StrokeContract]는 매 영상마다 mode, 모델, scheme, 실제 학습 라벨 수와 목록,
ViT fallback 스키마를 출력합니다. AI 완료 콜백은 analysisMode와
strokeClassSchemes를 백엔드로 보내 DB 저장 모드와 비교할 수 있게 합니다.