Использование методов глубокого обучения и компьютерного зрения для автоматического выделения гольф-ударов на видео
DOI:
https://doi.org/10.5281/zenodo.15586007Ключевые слова:
автоматическое выделение ударов, глубокое обучение, компьютерное зрение, видеоданные, многослойный персептрон, кросс-валидация, метод k-Fold, F1-scoreАннотация
В данной статье рассмотрено применение методов глубокого обучения и компьютерного зрения для автоматического выделения и классификации гольф-ударов на видео и анализа техники игроков, что является важной задачей в области спортивного анализа. Описана разработка системы аннотирования данных и классификации гольф-ударов, позволяющая автоматически распознавать различные фазы гольф-удара и ключевые точки клюшки на видеозаписях. Для анализа видеокадров используются многослойные персептроны и механизмы кросс-валидации (k-Fold). Предложенный подход достигает точности 98,75% при автоматическом выделении и классификации фаз удара. Дополнительно оцениваются метрики F1-score и MAE для различных компонентов системы.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
