一种用于羽毛球比赛分析的全深度学习系统
计算机视觉与模式识别
2024-02-15 v2
摘要
CoachAI Badminton 2023 Track1 计划旨在自动检测羽毛球比赛视频中的事件。检测小物体,尤其是羽毛球,在该挑战中十分重要且要求高精度。此类检测对于击球次数、击球时间和击球位置等任务至关重要。然而,即使在改进了广受认可的羽毛球检测模型 TrackNet 后,我们的目标检测模型仍未达到所需的精度。为解决此问题,我们实施了多种深度学习方法,以处理由噪声检测数据引起的问题,并利用多样化数据类型来提高精度。在本报告中,我们详细介绍了所做的检测模型修改以及针对 11 项任务的方法。值得注意的是,我们的系统在挑战中获得了 1.0 分中的 0.78 分。我们已在 Github https://github.com/jean50621/Badminton_Challenge 上发布了源代码。
引用
@article{arxiv.2308.12645,
title = {An All Deep System for Badminton Game Analysis},
author = {Po-Yung Chou and Yu-Chun Lo and Bo-Zheng Xie and Cheng-Hung Lin and Yu-Yung Kao},
journal= {arXiv preprint arXiv:2308.12645},
year = {2024}
}
备注
Golden Award for IJCAI CoachAI Challenge 2023: Team NTNUEE AIoTLab