Feb, 2024

运用深度学习对网球动作进行分类

PDF
TL;DR通过对深度学习在网球行为分类中的应用进行研究，本文探讨了其潜力和挑战。我们使用三种不同规模的基于深度学习架构 SlowFast 的模型对学术网球数据集 THETIS 进行训练和评估。最佳模型的泛化准确率达到了 74%，为网球行为分类的良好性能提供了证明。我们提供了最佳模型的错误分析，并指出了改进网球数据集的方向，讨论了数据集的限制、当前公开网球数据集的一般限制以及未来的进展方向。
deep learningtennis actionsclassificationthetis dataseterror analysis
发现论文，激发创造
  • 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

  • 公平网球训练的 AI: 利用 AI 进行公平和准确的网球技能水平和训练阶段分类

    通过使用惯性测量单元采集参与少年网球运动员的运动数据，使用支持向量机算法对数据进行处理，本研究通过将网球运动员的技能水平划分为初学者或中级水平，以及基于收集的运动数据对网球挥拍动作划分为五个阶段，成功展示了 SVM 分类方法可作为发展平等且易于接近的基于 AI 的网球训练系统的可靠基础。

    Jun, 2024

  • 媒体评估 2022 年：视频乒乓球运动细粒度动作检测和分类任务

    这篇研究主要研究乒乓球比赛的视频分析，旨在检测和分类运动员微小的动作，并提供给教练和运动员工具来评估他们的比赛表现。

    Jan, 2023

  • 体育视频动作识别调查：数据集、方法和应用

    本文综述了针对运动分析的视频动作识别方法，介绍了超过十种不同的运动类型，包括个人运动和团队运动。对现有的分析框架进行比较并总结了团队运动和个人运动领域的最新视频动作识别技术。同时，讨论了该领域的挑战和未解决的问题，并开发了一个工具箱，基于 PaddlePaddle 平台，实现了对足球、篮球、乒乓球和花样滑冰的动作识别。

    Jun, 2022

  • 使用深度行动识别特征对用户生成的体育视频进行总结

    该论文提出了一种通过深度神经网络对运动员的动作进行分类来生成运动视频摘要的方法，并采用日本剑术 Kendo 作为例子进行了评估，结果表明该方法优于之前的摘要方法。

    Sep, 2017

  • 利用二维人体姿态估计进行乒乓球拍技术识别

    本文介绍了一种收集乒乓视频数据并进行击球检测和分类的新方法，使用 2D 姿势估计开发的时空卷积神经网络模型能够对这 11 种乒乓球击球进行多分类，以提高运动员的性能。

    Apr, 2021

  • 三流 3D/1D CNN 在乒乓球细粒度动作分类和分割中的应用

    该研究提出了一种基于三流网络的多模态融合方法，用于细粒度体育动作分类，其中包括原始 RGB 数据、计算的光流和估计的运动员姿态，应用于 TTStroke-21 数据集，比以前的方法收敛更快，在分类已知时间边界的运动和关节分割和分类方面表现更好。

    Sep, 2021

  • 体育应用中的深度学习调查：感知、理解和决策

    深度学习在运动表现中具有革命性的潜力，本文对深度学习在运动表现方面进行了全面的调查，重点关注算法、数据集和虚拟环境以及挑战。我们首先讨论了深度学习算法在运动表现中的层次结构，其中包括感知、理解和决策，并比较了它们的优势和不足。其次，我们列举了广泛使用的现有运动数据集，并强调了它们的特点和局限性。最后，我们总结了当前的挑战，并指出深度学习在运动领域的未来趋势。我们的调查为对深度学习在运动应用感兴趣的研究人员提供了有价值的参考资料。

    Jul, 2023

  • TennisVid2Text: 面向特定领域视频的细粒度描述

    本文针对草地网球赛的广播录像，利用从互联网上获得的人类创造的描述生成丰富的语义描述，形似于体育网站上专家人类写的文本评论，经测试能提供准确性和可读性。

    Nov, 2015

  • 基于 3D 卷积神经网络在冰球视频中实现多标签类别不平衡的动作识别

    本研究利用 3D CNN 构建深度多标签 HAR 系统以解决应用于曲棍球视频中类别不平衡动作识别的问题，并对该系统进行了测试和验证，结果表明该方法比现有解决方案表现更好。

    Sep, 2017