BoxMAC——用于多标签动作分类的拳击数据集
计算机视觉与模式识别
2025-02-18 v2
摘要
在竞技擒拿运动中，分析拳手的表现统计数据对于评估其在比赛期间所递交的拳击数量与种类至关重要。这些统计数据提供了宝贵的数据与反馈，广泛用于教练指导与性能提升。我们引入 BoxMAC，一个来自真实世界的拳击数据集，包含 15 名职业拳手，涵盖 13 种不同的动作标签。该数据集包含超过 60,000 帧，经过仔细标注，可为每一帧分配多个动作标签。由于两个拳手可以在同一时间戳中执行不同的拳击动作，这一问题属于多标签动作分类领域。我们提出了一种新型架构，用于同时识别图像和视频中的多个动作。我们研究了使用深度神经网络架构的基线方法，以应对这两个任务。我们认为 BoxMAC 将为研究人员和实践者提供一个宝贵资源，以开发和评估更高效的模型进行表现分析。凭借其真实且多样化的特性，BoxMAC 可推动拳击这项运动的发展。
引用
@article{arxiv.2412.18204,
title = {BoxMAC -- A Boxing Dataset for Multi-label Action Classification},
author = {Shashikanta Sahoo},
journal= {arXiv preprint arXiv:2412.18204},
year = {2025}
}
备注
Significant modifications are required to improve the clarity and accuracy of the findings and This submission was made without the full agreement of all co-authors. To ensure proper authorship attribution and compliance with ethical guidelines, we are withdrawing this version. A revised and more complete version will be submitted soon