基于人工智能的罗神经网络在体育舞蹈教学个性化指导中的使用
Scientific reports
|April 9, 2025
概括
本研究介绍了一种新的图形卷积网络 (GCN) 和族神经网络 (SNN) 模型,用于准确的体育舞蹈识别. 通过精确的运动分析,GCN-SNN方法增强了个性化的舞蹈教学.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 运动科学 运动科学 运动科学
背景情况:
- 准确地识别舞蹈动作对于有效的体育舞蹈教学至关重要.
- 当前的方法在捕捉人类运动复杂的空间和时间动态时可能缺乏精度.
研究的目的:
- 开发一种准确有效的方法来识别舞蹈运动特征.
- 为体育舞蹈教育提供精确的个性化指导.
主要方法:
- 构建了一个人类骨的图形表示.
- 使用图形卷积网络 (GCN) 来从骨架数据中提取空间和时间特征.
- 利用一个具有双胞胎网络结构的罗神经网络 (SNN) 来评估骨序列相似性.
主要成果:
- 拟议的GCN-SNN模型在COCO数据集上实现了96.72%的准确性和86.55%的F1得分.
- 与其他车型相比,表现出明显优异的性能.
- 验证了GCN用于特征提取和SNN用于在舞蹈识别中的相似性比较的有效性.
结论:
- GCN-SNN模型为个性化的体育舞蹈指导提供了一种高效和智能化的解决方案.
- 这项研究为教育环境中人工智能应用开辟了新的可能性,特别是在体育训练中.
更多相关视频
11:06A Human-machine-interface Integrating Low-cost Sensors with a Neuromuscular Electrical Stimulation System for Post-stroke Balance Rehabilitation
Published on: April 12, 2016
10.4K
11:54Real-Time Proxy-Control of Re-Parameterized Peripheral Signals using a Close-Loop Interface
Published on: May 8, 2021
4.3K
