使用深度神经网络和新型金枪鱼群群优化改进了体育图像分类
Zetian Zhou1, Heqing Zhang2, Mehdi Effatparvar3,4
1School of Physical Education and Sports Science, South China Normal University, Guangzhou, 510631, Guangdong, China.
Scientific reports
|June 19, 2024
概括
这项研究介绍了一种新型深度神经网络 (DNN),该网络通过新型金枪鱼群优化 (NTSO) 来优化运动图像分类. DNN/NTSO模型实现了高精度,在现实体育场景中表现优于现有方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 由于照明,背景和运动的变化,体育图像的分类具有挑战性.
- 准确的分类对于体育分析,媒体和广播至关重要.
研究的目的:
- 开发一个高度准确和强大的模型,用于体育图像分类.
- 使用元启发算法优化深度神经网络 (DNN) 的超参数.
主要方法:
- 一种新的方法,将深度神经网络 (DNN) 与新鱼群优化 (NTSO) 结合起来,用于超参数调整.
- 在广泛的体育图像数据集上使用五倍交叉验证技术进行严格的实验.
主要成果:
- 该DNN/NTSO模型实现了高精度 (97.665%),回忆 (95.400%) 和F1得分 (0.8787).
- 与AGTH-Net,PSO和YOLOv5.5等最先进的方法相比,表现出卓越的性能.
- 在动态条件和各种体育类别的真实世界场景中验证了有效性.
结论:
- DNN/NTSO模型为体育图像分类提供了强大而高效的解决方案.
- 它的性能和可扩展性使其适合实时体育分析和媒体平台.
