优化乒乓球目标检测算法,以深度学习的多尺度特征融合为指导
1Shaanxi Energy Institute, Xi'an, 71000, Shaanxi, China. 18192058698@163.com.
Scientific reports
|January 16, 2024
概括
这项研究引入了一种深度学习 (DL) 方法,采用多级特征融合 (MFF) 进行准确的乒乓球目标检测 (TD). 这种先进的算法增强了球跟踪,帮助运动员训练和提高表现.
科学领域:
- 计算机视觉 计算机视觉
- 运动技术技术 运动技术
背景情况:
- 准确的球跟踪对于乒乓球分析和运动员训练至关重要.
- 现有的目标检测方法经常与乒乓球比赛的速度和复杂性作斗争.
研究的目的:
- 开发基于深度学习的乒乓球目标检测 (TD) 方法,使用多尺度特征融合 (MFF).
- 为了提高乒乓球的检测准确度,优化运动员的训练,提高技术技能.
主要方法:
- 使用基于FAST区域的卷积神经网络 (FAST R-CNN) 进行初始目标检测.
- 实施了多级特征融合 (MFF) 指导方法,以整合来自不同特征层次的信息.
- 专注于通过DL和MFF提高乒乓球TD的准确性.
主要成果:
- 拟议的目标检测算法 (TDA) 在测试组中实现了平均平均精度 (mAP) 87.3%.
- 与其他现有TDA相比,表现出优越的性能和稳定性.
- 验证了DL TDA与MFF结合的有效性.
结论:
- 拟议的基于DL的TDA与MFF显著提高了乒乓球球探测的准确性.
- 该方法显示出高度的稳定性和在各种检测领域的应用潜力.
- 这项技术可以帮助在现实场景中实际应用目标检测,包括体育分析.
