学习为奥林匹克赛事评分
计算机视觉与模式识别
2017-05-19 v3
摘要
动作质量评估，即为动作执行分配一个“分数”的过程，在体育和医疗保健等领域至关重要。与拥有数百万样本可供学习的动作识别不同，目前可用的动作质量数据集规模很小——通常仅包含几百个样本。本工作提出了三种评估奥林匹克体育项目的框架，这些框架利用三维卷积神经网络（C3D）学习的时空特征，并通过 i) SVR、ii) LSTM 和 iii) LSTM 后接 SVR 进行分数回归。针对有限数据场景，提出了一种基于片段训练的 LSTM 高效训练机制。所提出的系统在预测奥林匹克赛事（跳水、跳马、花样滑冰）分数的任务上，相较于现有质量评估方法有显著提升。虽然基于 SVR 的框架产生了更好的结果，但基于 LSTM 的框架在描述动作方面更为自然，并可用于提供改进反馈。
引用
@article{arxiv.1611.05125,
title = {Learning To Score Olympic Events},
author = {Paritosh Parmar and Brendan Tran Morris},
journal= {arXiv preprint arXiv:1611.05125},
year = {2017}
}
备注
CVPR 2017 - CVSports Workshop