相关实验视频
Updated: Jan 9, 2026
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
725
人类游泳姿势识别结合了改进的3D卷积网络和注意力残留网络
1Institute of Physical Education, Yancheng Institute of Technology, Yancheng, China.
PloS one
|December 2, 2025
概括
这项研究介绍了一种使用3D卷积神经网络的人类游泳姿势识别模型. 该模型实现了高精度 (95%) 和效率,这对于改善训练和减少受伤至关重要.
科学领域:
- 运动科学 运动科学 运动科学
- 计算机视觉 计算机视觉
- 生物机械分析 生物机械分析
背景情况:
- 准确识别人类游泳姿势对于提高训练和预防运动伤害至关重要.
- 现有的方法在水下环境中难以准确识别.
研究的目的:
- 开发一种新的人类游泳姿势识别模型,以提高准确性和效率.
- 为了解决水下游泳分析当前技术的局限性.
主要方法:
- 使用3D卷积神经网络作为基础模型.
- 整合了全球平均汇集和批量规范化以进行优化.
- 整合完整的预激活残余网络和三分支卷积注意力机制,用于增强特征提取.
主要成果:
- 实现了最高的识别准确率95%,回忆率93.26%,F1得分为92.87%.
- 在自由泳 (4.7%),胸部运动 (4.9%),蝶运动 (2.1%) 和背部运动 (6.6%) 中表现出低姿势识别错误.
- 实现了最短的6.78秒的自由式识别时间,超过了现有的模型.
结论:
- 拟议的模型在识别精度和计算效率方面提供了显著的优势.
- 这一进步为分析运动员的游泳姿势提供了有效的支持.
- 该模型有可能彻底改变游泳训练和伤害预防策略.
