基于新型细粒度数据集的羽毛球动作识别基准评测
计算机视觉与模式识别
2024-11-05 v2
摘要
在动态发展的计算机视觉领域，动作识别已成为关键焦点，尤其是随着卷积神经网络（CNN）、三维卷积、Transformer 以及时空特征融合等先进方法的出现。这些技术在成熟的基准数据集上展现了令人鼓舞的结果，但在实际应用中面临独特挑战，特别是在体育分析领域，其中活动的精确分解与细微动作的区分至关重要。现有的数据集如 UCF101、HMDB51 和 Kinetics 已为多种场景提供了多样化的视频数据。然而，对于能够捕捉更广泛动作类别中详细分类与细微差别的细粒度视频数据集的需求日益增长。本文中，我们引入了源自高质量羽毛球视频的 VideoBadminton 数据集。通过在该数据集上对主流方法进行详尽评估，本研究旨在推动动作识别领域的发展，特别是在羽毛球运动中。VideoBadminton 的引入不仅可用于羽毛球动作识别，也为识别细粒度动作提供了一个数据集。从这些评估中获得的见解预期将促进动作理解方面的进一步研究，尤其是在体育语境中。
引用
@article{arxiv.2403.12385,
title = {Benchmarking Badminton Action Recognition with a New Fine-Grained Dataset},
author = {Qi Li and Tzu-Chen Chiu and Hsiang-Wei Huang and Min-Te Sun and Wei-Shinn Ku},
journal= {arXiv preprint arXiv:2403.12385},
year = {2024}
}