IJCAIAug, 2023

一种用于羽毛球比赛分析的全深度系统

PDF
TL;DRCoachAI Badminton 2023 Track1 项目旨在自动检测羽毛球比赛视频中的事件，特别是对羽毛球的检测具有重要性和高精度的要求，然而，尽管我们对著名的 shuttlecock 检测模型 TrackNet 进行了修改，但我们的目标检测模型仍然没有达到所期望的准确度，为解决这个问题，我们实现了多种深度学习方法来应对因噪声数据而出现的问题，并利用多样的数据类型来提高精度，本报告详细介绍了我们对检测模型进行的修改以及处理 11 个任务的方法，值得一提的是，我们的系统在挑战中获得了 0.78 的分数（满分为 1.0）。
coachai badminton 2023 track1badminton match videosshuttlecock detectiondeep learning methodsobject detection models
发现论文，激发创造
  • 2023 年 CoachAI 羽毛球挑战赛 AI 团队 8 号：先进的 ShuttleNet 技术用于球技预测

    通过利用过去的击球，本研究旨在提高现有框架 ShuttleNet 在预测羽毛球击球类型和位置方面的性能。我们参加了 IJCAI 2023 的 CoachAI 羽毛球挑战赛，并取得了与基准相比显著更好的结果。最终，我们的团队在比赛中获得了第一名，并提供了我们的代码。

    Jul, 2023

  • 羽毛球击打事件检测的新视角

    本研究提出了一种基于深度学习模型 SwingNet 和视频处理技术来识别羽毛球击打事件的方法，该方法不仅提供了一种直观和用户友好的方法，还为检测羽毛球击打事件带来了崭新的视角。

    Jun, 2023

  • 利用 Transformer 进行羽毛球击中区域检测中的飞行方向预测

    本研究旨在通过运用现代深度学习技术，自动从比赛视频中系统地检测羽毛球比赛中的击打帧，以提高运动员和教练员的表现评估能力，并进一步利用包含在击打帧中的数据来合成运动员的击球和场上运动，以及进行其他下游应用，如分析训练任务和竞争策略等。

    Jul, 2023

  • 基于上下文多特征融合的羽毛球识别与跟踪系统

    本文介绍了一种用于检测和跟踪羽毛球的方法，该方法通过特性判断和结合背景信息解决羽毛球不易检测的挑战，并且能够达到 100% 的准确度和 84.1% 的 F1 平均值。

    Jun, 2023

  • MonoTrack: 从单目羽毛球视频重建运动轨迹

    本文介绍了一种从单目球拍运动视频中提取和分割三维羽毛球轨迹的完整端到端系统，该系统整合了羽毛球领域知识和基于视觉特征的模型改进，通过改进模型，提高了场地识别、2D 轨迹估计和击球识别的性能。

    Apr, 2022

  • TrackNet：一种用于体育应用中追踪高速小目标的深度学习网络

    本研究通过使用深度学习模型 TrackNet，从模糊、带残影并有时不可见的广播视频中跟踪网球。在 2017 年夏季大学运动会男子单打决赛的视频上，TrackNet 的准确度、召回率和 F1-measure 达到了 99.7％、97.3％和 98.5％。

    Jul, 2019

  • 探究长短时记忆依赖关系以推断羽毛球比赛中的击球影响力

    本文介绍了一种用于分析羽毛球比赛表现的深度学习模型，该模型通过一个新颖的短期提取器和长期编码器，以预测比赛结果为目标，将一场羽毛球比赛的每一个击球过程进行描述，并应用了注意力机制，使羽毛球专家能够解释预测结果，实验结果表明该模型胜过强基线结果。

    Sep, 2021

  • 通过两台摄像机在羽毛球场上追踪运动员

    提出了一种简单的方法来进行羽毛球场上的多目标追踪，利用两台即插即用摄像机，一台位于场地顶部，一台位于场地侧面。利用顶部摄像机追踪选手的轨迹，而侧面摄像机分析选手的像素特征。通过计算相邻帧之间的相关性并利用两台摄像机的信息，可以实现羽毛球选手的多目标追踪，解决了场上选手遮挡和重叠的挑战，提供了选手轨迹跟踪和多角度分析。该系统揭示了羽毛球选手的位置和动作，可作为教练或自我训练工具，帮助羽毛球选手提高比赛策略。

    Aug, 2023

  • 羽毛球人工智能教练

    通过分析球员运动学和生物力学，运用先进的神经网络方法，从羽毛球比赛的视频镜头中提取细致洞察，旨在推导出能够提供姿态、技术和肌肉定向改进建议的预测模型，以提高整体性能。

    Mar, 2024

  • VideoBadminton：一个用于羽毛球动作识别的视频数据集

    通过对高质量羽毛球镜头的全面评估，本研究旨在推进动作识别领域，尤其是在羽毛球运动中。引入 VideoBadminton 数据集不仅可以用于羽毛球动作识别，还可以提供一个识别细粒度动作的数据集。从这些评估中获得的见解有望催生更多在运动背景下的动作理解研究。

    Mar, 2024