多流自适应注意力增强图形卷积网络 青少年围 脚步训练
Yongjun Ren1, Huinan Sang1, Shitao Huang1
1School of Computer Science, Nanjing University of Information Science and Technology, Nanjing, JS,China.
Pediatric exercise science
|October 1, 2024
概括
人工智能 (AI) 通过准确地识别围足迹来增强青少年体育训练,减少无效的炼和训练负担. 这种人工智能驱动的方法个性化了运动纠正,以改善运动发展.
科学领域:
- 运动科学 运动科学 运动科学
- 人工智能的人工智能
- 生物机械分析 生物机械分析
背景情况:
- 青少年运动员因围等激烈运动而面临过度的训练负担.
- 传统的训练方法缺乏个性化的反和及时的运动纠正.
- 不有效的运动会导致身体伤害,并阻碍年轻运动员的运动发展.
研究的目的:
- 为青少年运动员开发人工智能驱动的动作识别算法.
- 减少无效的炼,减轻体育运动中的训练负担.
- 提供及时的运动纠正和个性化的训练计划.
主要方法:
- 提出了一个针对青少年运动员量身定制的动作识别算法.
- 使用共享网络结构,注意力机制和自适应图形的多式联运输入数据.
- 采用多分支特征融合方法进行最终行动分类.
主要成果:
- 在围脚动作数据集2.0.0上实现了93.3%的准确性,95.8%的精度和94.5%的F1-Score.
- 在不同的青少年身高和速度之间有效地识别了行动.
- 与传统的培训评估方法相比,表现优越.
结论:
- 基于人工智能的解决方案显著提高了青少年运动员的训练效率.
- 开发的算法有效地降低了整体培训负担.
- 个性化,人工智能驱动的反可以提高运动表现和安全性.
