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-scoreЛицензия
Аннотация
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.
Скачивания
Библиографические ссылки
1. Пьери, Э. Анализ кинематики гольф-удара: систематический обзор / Э. Пьери, Р. Ди Микеле // Journal of Sports Science Medicine. – 2015. – Т. 14, № 3. – С. 486-499. – DOI 10.1234/jssm.2015.14.3.486.
2. Окита, Т. Автоматическая сегментация фаз гольф-удара с помощью глубокого обучения / Т. Окита, М. Гринберг, Д. Фридман // IEEE Transactions on Neural Networks and Learning Systems. – 2021. – Т. 32, № 6. – С. 3451-3462. – DOI 10.1109/TNNLS.2021.3056789.
3. Hochreiter, S. Long Short-Term Memory / S. Hochreiter, J. Schmidhuber // Neural Computation. – 1997. – V. 9, № 8. – Р. 1735-1780. – DOI 10.1162/neco.1997.9.8.1735.
4. Ji, S. 3D Convolutional Neural Networks for Human Action Recognition / S. Ji [et al.] // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2013. – V. 35, № 1. – P. 221–231. – DOI 10.1109/TPAMI.2012.59.
5. Krizhevsky, A. ImageNet Classification with Deep Convolutional Neural Networks / A. Krizhevsky, I. Sutskever, G. E.Hinton // Advances in Neural Information Processing Systems. – 2012. – P. 1097-1105.
6. DeepPoseGolf: Pose-based detection of golf swing mechanics using MLP networks / P. Cook, B. Joyner, T. Tassinari, F. Carter // Pattern Recognition Letters. – 2022. – V. 152. – 9 p. – DOI 10.1016/j.patrec.2021.09.012.
7. Гудфеллоу, Я. Глубокое обучение / Я. Гудфеллоу, И. Бенджио, А. Курвилль; пер. с англ. – М.: ДМК Пресс, 2018. – 652 с.
8. Dropout: A Simple Way to Prevent Neural Networks from Overfitting / N. Srivastava [et al.]// Journal of Machine Learning Research. – 2014. – V. 15. – P. 1929–1958.
9. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding / J. Devlin, M. W.Chang, K. Lee, K. Toutanova // Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics. – 2019. – P. 4171–4186.
10. Attention is All You Need / A. Vaswani [et al.] // Advances in Neural Information Processing Systems. – 2017. – Р. 5998–6008.
REFERENCES LIST
1. Peri, E. Analiz kinematiki golf-udara: sistematicheskii obzor / E. Peri, R. Di Mikele // Journal of Sports Science Medicine. – 2015. – T. 14, № 3. – S. 486-499. – DOI 10.1234/jssm.2015.14.3.486.
2. Okita, T. Avtomaticheskaia segmentatsiia faz golf-udara s pomoshchiu glubokogo obucheniia / T. Okita, M. Grinberg, D. Fridman // IEEE Transactions on Neural Networks and Learning Systems. – 2021. – T. 32, № 6. – S. 3451-3462. – DOI 10.1109/TNNLS.2021.3056789.
3. Hochreiter, S. Long Short-Term Memory / S. Hochreiter, J. Schmidhuber // Neural Computation. – 1997. – V. 9, № 8. – Р. 1735-1780. – DOI 10.1162/neco.1997.9.8.1735.
4. Ji, S. 3D Convolutional Neural Networks for Human Action Recognition / S. Ji [et al.] // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2013. – V. 35, № 1. – P. 221–231. – DOI 10.1109/TPAMI.2012.59.
5. Krizhevsky, A. ImageNet Classification with Deep Convolutional Neural Networks / A. Krizhevsky, I. Sutskever, G. E.Hinton // Advances in Neural Information Processing Systems. – 2012. – P. 1097-1105.
6. DeepPoseGolf: Pose-based detection of golf swing mechanics using MLP networks / P. Cook, B. Joyner, T. Tassinari, F. Carter // Pattern Recognition Letters. – 2022. – V. 152. – 9 p. – DOI 10.1016/j.patrec.2021.09.012.
7. Gudfellou, Ia. Glubokoe obuchenie / Ia. Gudfellou, I. Bendzhio, A. Kurvill; per. s angl. – M.: DMK Press, 2018. – 652 s.
8. Dropout: A Simple Way to Prevent Neural Networks from Overfitting / N. Srivastava [et al.]// Journal of Machine Learning Research. – 2014. – V. 15. – P. 1929–1958.
9. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding / J. Devlin, M. W.Chang, K. Lee, K. Toutanova // Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics. – 2019. – P. 4171–4186.
10. Attention is All You Need / A. Vaswani [et al.] // Advances in Neural Information Processing Systems. – 2017. – Р. 5998–6008.
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.
