基于 X3D 神经网络在野外运动环境中跑者成绩评估的分析
计算机视觉与模式识别
2023-08-24 v1
摘要
我们提出一种在运动环境中对扩展 3D（X3D）神经网络进行迁移学习的分析。受文献中动作质量评估方法的启发，我们的方法使用动作识别网络来估计超长距离竞赛中运动员的累计比赛时间（CRT）。我们评估了 X3D 的性能，X3D 是一系列动作识别网络，其沿多个网络轴（包括空间、时间、宽度和深度）扩展小型 2D 图像分类架构。我们证明，所得神经网络对短输入片段可提供卓越性能，在估计已活动 8 至 20 小时的跑者 CRT 时，平均绝对误差为 12 分半钟。我们最显著的发现是，X3D 取得了最先进的性能，同时所需内存几乎比先前工作少七倍且精度更高。
引用
@article{arxiv.2307.12183,
title = {An X3D Neural Network Analysis for Runner's Performance Assessment in a Wild Sporting Environment},
author = {David Freire-Obregón and Javier Lorenzo-Navarro and Oliverio J. Santana and Daniel Hernández-Sosa and Modesto Castrillón-Santana},
journal= {arXiv preprint arXiv:2307.12183},
year = {2023}
}
备注
Accepted to the 18th International Conference on Machine Vision Applications (MVA 2023)