基于多任务学习与方向引导权重优化的广义球衣号码识别

球衣号码识别一直是体育分析中的一项重要任务。由于图像存在模糊、遮挡、变形和低分辨率等问题，提高识别精度仍然是一个持续的挑战。最近的研究通过数字定位和光学字符识别解决了这些问题。一些方法将球员识别方案应用于图像序列，忽略了人体旋转角度对球衣数字识别的影响。通过使用多任务方案识别每个单独的数字来准确预测球衣数字的个数，可以获得更鲁棒的结果。基于上述考虑，本文提出了一种称为角度数字细化方案（ADRS）的多任务学习方法，该方法结合人体朝向角度和数字线索来识别运动员球衣号码。根据我们的实验结果，我们的方法增加了推理信息，显著提高了预测精度。与只能处理单一运动类型的最先进方法相比，所提出的方法产生了更多样化和实用的球衣号码识别应用。将足球、橄榄球、篮球、排球和棒球等多种团队运动纳入我们的数据集，极大地促进了体育分析中的广义球衣号码识别。我们的Top-1准确率达到64.07%，Top-2准确率达到89.97%，相应的F1分数分别为67.46%和90.64%。