相关实验视频
Updated: Jul 11, 2025
05:12
Swimming Performance Assessment in Fishes
Published on: May 20, 2011
25.6K
为体育赛事建立精确的智能评估系统:潜水
Ning Hao1, Sihan Ruan1,2, Yiheng Song1,3
1School of Civil Engineering, Southeast University, Nanjing, 211189, China.
Heliyon
|November 3, 2023
概括
这项研究引入了一种用于智能体育评估的新方法,提高了潜水得分的准确性. 该方法使用多颗粒度特征提取进行精确的行动质量评估.
科学领域:
- 运动科学 运动科学 运动科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在体育运动中,客观评价对于公平竞争至关重要.
- 在诸如潜水之类的体育运动中,目前的行动质量评估方法缺乏精度.
- 智能评估系统可以提高体育得分的客观性和有效性.
研究的目的:
- 开发一种新的时间空间特征 (MEAT) 多颗粒度提取方法,用于潜水中的评审得分预测.
- 使用先进的人工智能技术提高潜水得分预测的准确性和客观性.
- 为在体育中实践实施行动质量评估技术奠定基础.
主要方法:
- 利用双模式膨胀的3D ConvNet,以平行提取和合并视频颗粒度的时间空间特征.
- 模拟人体姿势并将3D喷状态纳入物体颗粒度的局部特征.
- 员工标记分布学习使用启发竞争规则进行得分预测的启发式方法.
主要成果:
- 与现有方法相比,拟议的MEAT框架在预测潜水得分方面表现出更高的准确性.
- 在UNIV-Dive数据集上通过Spearman的等级相关性 (SRC) 验证了更大的准确性优势.
- 该方法有效地整合了全球和地方特征,以进行全面的行动质量评估.
结论:
- MEAT框架显著提高了潜水中法官得分预测的准确性.
- 这项技术提高了体育活动质量评估的客观性和有效性.
- 该研究为智能体育评估系统的现实应用提供了坚实的基础.
