ACA-Net:适应性背景意识网络,用于篮球行动的认可
Yaolei Zhang1, Fei Zhang2, Yuanli Zhou3
1China Basketball College, Beijing Sport University, Beijing, China.
Frontiers in neurorobotics
|October 10, 2024
概括
本研究介绍了一个适应性上下文意识网络 (ACA-Net),用于识别篮球行为. ACA-Net实现了高精度,超过了现有的体育智能动作识别方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 自主系统需要实时分析人类活动.
- 由于复杂的背景,微妙的动作差异和不一致的照明,篮球动作识别具有挑战性.
- 精确的动作识别有助于运动员,教练,裁判和机器人应用.
研究的目的:
- 提出一种新的自适应语境意识网络 (ACA-Net),用于精确识别篮球运动员的动作.
- 增强在时间,空间和通道层面的特征提取,以提高准确性.
- 为了证明与现有方法相比,ACA-Net的有效性.
主要方法:
- 开发了一种适应性上下文意识网络 (ACA-Net),其中包括一个长期短期适应性 (LSTA) 模块和一个三重空间通道交互 (TSCI) 模块.
- 该LSTA模块通过自适应学习全球和本地时间特征.
- 该TSCI模块学习空间通道交互特征以改善表示.
主要成果:
- 在SpaceJam数据集上,ACA-Net实现了89.26%的准确性,在篮球-51数据集上达到92.05%.
- 拟议的网络表现优于当前的主流行动认可方法.
- 实验结果验证了LSTA和TSCI模块的有效性.
结论:
- ACA-Net为篮球动作识别提供了强大的解决方案,显著提高了准确性.
- 在自主机器人和体育分析方面,ACA-Net的可适应性架构具有潜在的应用.
- 这项研究有助于在复杂,动态的环境中推进智能动作识别.
