基于CNN的根据投球动作对板球投球手进行分类的方法
计算机视觉与模式识别
2019-09-04 v1 机器学习
图像与视频处理
摘要
随着硬件技术与深度学习技术的进展，将这些技术应用于多样化领域已成为可能。卷积神经网络(CNN)作为深度学习领域的一种架构，已彻底变革了计算机视觉。体育是计算机视觉应用蓬勃发展的领域之一。板球是一项复杂的运动，包含不同类型的击球、投球动作及许多其他活动。在板球比赛中，每位投球手都以不同的投球动作投球。我们利用这一点来识别不同的投球手。本文中，我们提出了一种CNN模型，利用迁移学习根据这些十八位板球投球手的投球动作对其进行识别。此外，我们创建了一个全新的数据集，包含这十八位投球手的8100张图像，用于训练所提出的框架并评估其性能。我们使用在ImageNet数据集上预训练的VGG16模型，并在其顶部添加若干层以构建我们的模型。在尝试不同策略后，我们发现冻结网络前14层的权重并训练其余层效果最佳。我们的方法在测试集上取得了93.3%的总体平均准确率，并收敛到非常低的交叉熵损失。
引用
@article{arxiv.1909.01228,
title = {A CNN-based approach to classify cricket bowlers based on their bowling actions},
author = {Md Nafee Al Islam and Tanzil Bin Hassan and Siamul Karim Khan},
journal= {arXiv preprint arXiv:1909.01228},
year = {2019}
}
备注
5 pages, 7 figures, The paper is under review in "IEEE International Conference on Robotics, Automation, Artificial-Intelligence and Internet-of-Things, 2019"