Классификатор дтп

Необходимо, на датасете HWID12, обучить модель классификации ДТП и получить сбалансированную точность 70%, можно использовать в дополнении к этому датасету и другие, а также можно объединять классы внутри датасета. Текущий мой лучший результат 62.52%, при объединении некоторых классов. Эксперименты проводились на признаках, извлечённых замороженным R(2+1)D-18 (предобучен на Kinetics400). Признаки усреднялись из 10 случайных клипов по 16 кадров, разрешение 112×112. Датасет содержит около 2800 видео. Архитектура головы: AttentionMLP (вход 512 → слой внимания → 1024 → 512 → 7 классов). Dropout 0.5. Функция потерь: CrossEntropyLoss с весами классов. Используется MixUp (alpha=0.1), шум на входе (noise_std=0.01), AdamW (lr=0.001, weight_decay=1e-4), cosine annealing, ранняя остановка (patience 20-30).