利用深度神经网络对山地自行车下坡赛道难度分类
计算机视觉与模式识别
2019-11-12 v1 机器学习
摘要
山地自行车下坡赛道的难度是一种主观感知。然而，体育协会与山地自行车公园运营者试图用如 Singletrail-Skala（S0–S5）或国际山地自行车协会提出的颜色等级（蓝、红、黑……）将赛道分组为不同难度级别。由于多种等级标准、不同人员评级、地形差异等，难度分级存在不一致。我们提出一种端到端深度学习方法，利用传感器数据将赛道分类为易、中、难三档。使用 mbientlab Meta Motion r0.2 传感器单元，我们记录一名骑行者在多个赛道段上的加速度计与陀螺仪数据。以所述数据的堆叠拼接表示为输入，训练一个 2D 卷积神经网络。我们以五种不同样本大小与五种不同核大小运行实验，获得了 0.9097 的最大稀疏分类准确率。据我们所知，这是首个面向山地自行车下坡赛道计算难度分类的工作。
引用
@article{arxiv.1908.04390,
title = {Difficulty Classification of Mountainbike Downhill Trails utilizing Deep Neural Networks},
author = {Stefan Langer and Robert Müller and Kyrill Schmid and Claudia Linnhoff-Popien},
journal= {arXiv preprint arXiv:1908.04390},
year = {2019}
}
备注
11 pages, 5 figures