DeepDarts：将关键点建模为对象以利用单摄像头实现飞镖自动计分
计算机视觉与模式识别
2021-05-21 v1 人工智能
摘要
现有的用于钢尖飞镖自动计分的多种摄像头方案非常昂贵，因此大多数玩家无法使用。出于开发更易于获取的低成本方案的动机，我们提出了一种关键点检测的新方法，并将其应用于从任意摄像头角度拍摄的单张图像预测飞镖得分。该问题涉及检测多个可能属于同一类别且彼此位置接近的关键点。广泛采用的利用热图回归关键点的框架并不适合此任务。为解决该问题，我们转而提出将关键点建模为对象。我们围绕这一思想开发了一个深度卷积神经网络，并用它来预测飞镖位置和飞镖盘校准点，作为我们称为 DeepDarts 的自动飞镖计分整体流程的一部分。此外，我们提出了几种特定于任务的数据增强策略以改善方法的泛化能力。作为概念验证，手动收集并标注了源自两种不同飞镖盘设置、包含 16k 图像的两个数据集来评估系统。在包含使用智能手机从飞镖盘正面视角捕获的 15k 图像的主要数据集中，DeepDarts 在 94.7% 的测试图像中正确预测了总分。在第二个更具挑战性、包含有限训练数据（830 张图像）和各种摄像头角度的数据集中，我们利用迁移学习和广泛的数据增强实现了 84.0% 的测试准确率。由于 DeepDarts 仅依赖单张图像，它有潜力部署在边缘设备上，使任何拥有智能手机的人都能使用钢尖飞镖的自动计分系统。代码和数据集已公开。
引用
@article{arxiv.2105.09880,
title = {DeepDarts: Modeling Keypoints as Objects for Automatic Scorekeeping in Darts using a Single Camera},
author = {William McNally and Pascale Walters and Kanav Vats and Alexander Wong and John McPhee},
journal= {arXiv preprint arXiv:2105.09880},
year = {2021}
}