基于深度学习的网球动作分类

深度学习的最新进展使得以更高精度识别视频中的特定事件成为可能。这在网球等运动中具有重大意义，例如，可以自动收集比赛统计数据，或回放对比赛策略或球员改进有特定兴趣的动作。在本文中，我们研究了使用深度学习对网球动作进行分类的潜力和挑战。我们训练并评估了三个不同规模的模型，它们都基于深度学习架构SlowFast，并在学术网球数据集THETIS上进行了评估。最佳模型达到了74%的泛化准确率，展示了网球动作分类的良好性能。我们对最佳模型进行了错误分析，并指出了改进网球数据集的一般方向。我们讨论了数据集的局限性、当前公开可用网球数据集的普遍局限性，以及取得进展所需的未来步骤。